#medias : Comment fonctionne un algorithme de service public ?

Summary

Podcast Summary

Podcast: Les Clés
Host: RTBF
Episode: #médias : Comment fonctionne un algorithme de service public ?
Date: 11 juin 2026

---

Aperçu général de l’épisode

Cet épisode de « Les Clés » explore en profondeur le fonctionnement des algorithmes dans les médias, et plus particulièrement la possibilité de concevoir un algorithme au service de l’intérêt public. Arnaud Ruyssen et son équipe interrogent les mécanismes qui se cachent derrière les algorithmes de recommandation sur les plateformes numériques, en se focalisant sur la différence entre les logiques commerciales (type TikTok, Instagram) et celles d’un média de service public (RTBF, Radio France). L’émission fait intervenir des spécialistes de la gestion de données et de la recherche académique pour disséquer, démystifier et discuter des biais, des défis et des solutions spécifiques aux algorithmes dits « publics ».

---

Thèmes principaux et points clés

1. Qu’est-ce qu’un algorithme ? (06:24)

• Définition accessible :
  « Une séquence d’instructions qui sont ordonnées, qui opèrent dans un certain ordre et qui ont pour objectif d’atteindre un certain résultat. »
  — Arnaud Classe, 06:40

• Les algorithmes ne sont pas nouveaux et préexistent même à l’ère informatique (07:04). L’ordinateur permet simplement d’automatiser ces « recettes » via le code.

2. Pourquoi les algorithmes sont-ils omniprésents aujourd'hui ? (07:24-08:53)

• La diffusion de l’informatique et de l’automatisation a amené les algorithmes à investir tous les pans de la vie quotidienne, notamment l’accès à l’information.
• L’arrivée de l’IA (intelligence artificielle) a ajouté une complexité nouvelle :
  « Avant, un algorithme déterministe donnait toujours la même réponse à la même question. Avec l’IA, poser deux fois la même question peut donner deux réponses différentes, ce qui inquiète. »
  — Anthony de Kerker, 08:10

3. Fonctionnement concret d’un algorithme de recommandation (09:07—11:34)

• Les plateformes médias (comme RTBF ou Ovio) utilisent plusieurs algorithmes adaptés à différents usages : recommandations basées sur l’historique de lecture, recommandations locales fondées sur le code postal pour mettre en avant le contenu régional (09:24-09:59).
• Les différences entre logique commerciale (ex : TikTok, optimisé pour maximiser l’engagement mesuré par clics, partages, etc.) et logique de service public (diversifier, faire découvrir, éviter l’enfermement algorithmique) sont clarifiées.
• Définition du « proxy » en analyse des comportements utilisateurs :
  « On ne sait pas ce qu’il y a dans la tête de l’utilisateur, mais on mesure combien de fois il clique, combien de temps il regarde la vidéo, etc. »
  — Marie Van Kutsem, 11:18

4. Dangers et biais algorithmiques (13:19–15:34)

• Explications des biais :
  Les algorithmes ne sont pas intrinsèquement biaisés, mais reproduisent les biais présents dans les données ou introduits par les programmeurs.

  • Cas concrets : reconnaissance faciale défaillante sur certaines populations, prédiction policière raciste basée sur des historiques biaisés, outil de recrutement d’Amazon discriminant les femmes (13:19-15:34).

• « Les données collectées sont elles-mêmes le reflet des biais de la société. Un algorithme qui s’en nourrit ne peut que les renforcer. »
  — Sarah Poussey, 13:56

5. Limiter les biais et impliquer l’humain (17:03–19:28)

• À la RTBF, création de comités éditoriaux associant journalistes et techniciens pour limiter l’arbitraire et la partialité.

• Mise en place d’algorithmes dictés par les obligations du Conseil supérieur de l’audiovisuel (CSA) :
  « Dans les algorithmes, on doit avoir un certain nombre de contenus d’information, de culture, d’éducation aux médias, par exemple. »
  — Anthony de Kerker, 18:05

• Intégration technique via les métadonnées permettant d’équilibrer les contenus dans les recommandations (ex : un article culturel tous les deux contenus, 18:28).

6. Découvrabilité et diversité (19:28–21:07)

• La « découvrabilité » impose aux algorithmes de pousser des contenus culturels / éducatifs issus de la Fédération Wallonie-Bruxelles, pour éviter que l’utilisateur ne reste enfermé dans une « bulle de filtre ».

• Suivi des clics et analyse de la réception, mais sans logique de rétention maximale comme sur les plateformes commerciales.

• « Ce n’est plus à l’utilisateur de trouver les contenus, mais aux contenus de trouver leur public. »
  — Anthony de Kerker, 23:26

7. La place de l’éditorialisation humaine (21:07–22:28)

• L’exemple de Radio France montre la nécessité de maintenir une éditorialisation humaine des contenus recommandés.

• « Ce n’est pas parce qu’on amène un âne assoiffé à la mare qu’il va nécessairement boire. »
  — Arnaud Classe, 21:35

• L’humain garde une marge de manœuvre dans le tri, l’exposition et la valorisation des contenus.

8. Spécificité et enjeux d’un algorithme de service public (22:28–fin)

• Les algorithmes publics veillent à ne pas enfermer leurs utilisateurs, à valoriser la diversité et à promouvoir la culture locale.
• La question de l’accès aux contenus de service public est la même depuis l’origine des médias, les techniques évoluent simplement (23:45).
• « Réfléchir aux algorithmes des médias de service public, c’est réfléchir à la portée des contenus. »
  — Host, 23:59

---

Citations et moments marquants

• Définition d’un algorithme:
  « Une séquence d’instructions qui sont ordonnées... pour atteindre un objectif. »
  — Arnaud Classe, 06:40

• Sur l’impact de l’IA:
  « Avant, on appliquait les mêmes recettes pour les mêmes données, on avait la même réponse à la sortie. Aujourd’hui avec l’IA, on ne maîtrise pas toujours la sortie. »
  — Anthony de Kerker, 08:10

• Sur la découvrabilité:
  « Ce n’est plus à l’utilisateur à trouver les contenus, c’est au contenu à trouver leur public. »
  — Anthony de Kerker, 23:26

• Sur la nécessaire implication humaine:
  « Ce n’est pas parce qu’on amène un âne assoiffé à la mare qu’il va nécessairement boire. »
  — Arnaud Classe, 21:35

---

Timestamps (repères d’écoute)

• 00:13 - Introduction : guerre des algorithmes, enjeux commerciaux vs service public
• 06:24 - Définition et origine des algorithmes
• 07:24 - L’omniprésence du mot « algorithme » aujourd’hui
• 08:10 - L’IA change la dynamique et inquiète
• 09:24 - Fonctionnement concret des algorithmes sur RTBF Actu & Ovio
• 11:16–11:37 - Explication du calcul de l’engagement utilisateur
• 13:19–15:34 - Dangers des biais algorithmiques (exemples concrets)
• 17:03 - Comités éditoriaux et gestion des biais à la RTBF
• 18:05 - Rôle du CSA dans les algorithmes publics
• 19:28–21:07 - Diversité, découvrabilité, conséquences sur les pratiques
• 21:07–22:28 - Éditorialisation humaine, limites des algorithmes
• 23:26–23:59 - Accès au contenu public : une question toujours d’actualité

---

Conclusion

L’épisode démystifie l’idée d’un algorithme neutre ou purement technique en soulignant qu’il est toujours « le produit des intentions ». Pour les médias de service public, il s’agit d’optimiser non pas l’engagement ou le temps passé, mais la diversité, la représentativité et l’intérêt général, avec un équilibre nécessaire entre automatisation et éditorialisation humaine. L’algorithme de service public, parfaitement possible, doit être pensé comme un outil au service de l’intérêt collectif et de la pluralité des voix, et non comme une simple machine neutre ou déterminée par des logiques privées.

---

Transcript

[Marie Van Kutsem]

L'algorithme Instagram a encore complètement changé.

[Host (possibly Adrien Schoekert or main presenter)]

Ce sur quoi l'algorithme va se concentrer en priorité. La première.

[Anthony de Kerker]

Si tes TikTok bloquent à moins de 1000 vues, c'est que t'as pas compris comment fonctionnait l'algorithme. Des algorithmes très sophistiqués.

[Marie Van Kutsem]

Les clés médias.

[Host (possibly Adrien Schoekert or main presenter)]

Dans la guerre des réseaux sociaux, chaque plateforme doit viser de toutes sortes de stratégies et algorithmes pour forcer les gens à rester.

[Marie Van Kutsem]

Marie Van Kutsem.

[Host (possibly Adrien Schoekert or main presenter)]

Bonjour à toutes et tous et bienvenue dans vos clés médias. Aujourd'hui, on va se demander s'il est possible de créer un algorithme de service public. Vous le savez, nous sommes constamment guidés dans nos univers numériques par des algorithmes qui trient la multitude de contenus sur le web et qui les filtrent pour nous recommander ceux qui sont les plus susceptibles de nous plaire. Mais derrière ces recommandations, il y a souvent des logiques commerciales. Il s'agit de maximiser notre engagement, comme on dit, de nous capter, de nous garder. Comment travaille-t-on là-dessus quand on est un média de service public avec un site web et une plateforme comme Ovio? Aujourd'hui, on ouvre le capot et on chipote dans le moteur pour bien comprendre d'abord ce qu'est un algorithme et ensuite comment on peut y traduire certaines valeurs. Bienvenue à vous dans les clés. La première, les clés. Alors, algorithme. Peut-être taper étymologie. Le mot algorithme est une déformation du nom du mathématicien perçant du 9e siècle Al-Kaw-Al-Kwar-Zimi. À chaque fois que l'on prépare une émission, c'est la première étape, un petit état des lieux sur le sujet du jour, une recherche Google. Dans la barre de recherche, je tape donc algorithme. Jolie mise en abyme quand on y pense, se faire recommander par l'algorithme de Google des contenus sur les algorithmes. Bref, une série de suggestions s'affichent. Algorithme définition, évidemment. Algorithme Instagram 2026. Algorithme d'extra. Algorithme de maternelle. Tiens, c'est quoi ça? J'apprends qu'en pédagogie, pour les tout-petits en maternelle, un algorithme, c'est une suite d'instructions qui doivent être suivies dans un ordre précis pour obtenir un résultat. Exemple, apprendre à lasser ses chaussures ou suivre une recette de cuisine. Ce n'est pas sans lien avec les algorithmes dont on va parler dans cette émission. Une suite précise d'actions, mais confiée à un ordinateur et pour obtenir un résultat. C'est aussi une recette en soi. Je fais maintenant un petit tour dans l'onglet actualité. Instagram étend son algorithme à votre fil d'actualité. Au Sénat français, X défend la neutralité de son algorithme.

[Anthony de Kerker]

Notre algorithme de recommandation n'est pas conçu pour favoriser un quelconque courant d'opinion, acteur politique ou candidat. Publié en open source sur GitHub, il est accessible à quiconque souhaitant vérifier le fonctionnement, autorités, chercheurs, experts.

[Host (possibly Adrien Schoekert or main presenter)]

Santé et algorithme quand TikTok impose sa vision du bien-être.

[Sarah Poussey]

Je me suis créé un compte TikTok. J'ai laissé l'algorithme faire sa job, puis pendant 30 jours, j'ai suivi le plus de conseils bien-être possible.

[Host (possibly Adrien Schoekert or main presenter)]

Bon, et si je tape... Algorithme, danger. Qu'est-ce que ça donne? Désir sous algorithme, enquête sur le porno. TikTok a délibérément mis en danger la santé et la vie de ses utilisateurs, le terrible constat d'un rapport français sur l'application chinoise. C'est vrai que TikTok et sa For You Page, avec toutes ces vidéos qui défilent, c'est quelque chose.

[Marie Van Kutsem]

Le bonheur, il est là à côté de vous. Le bonheur, c'est pas avoir une grosse voiture ou une grosse maison.

[Sarah Poussey]

Mon mari a 69 ans et j'en suis fière.

[Host (possibly Adrien Schoekert or main presenter)]

Bonjour, bonjour. Aujourd'hui, j'ai eu ma première altercation avec une passagère.

[Marie Van Kutsem]

Je vais vous expliquer ce qui s'est passé.

[Sarah Poussey]

Je veux pas qu'on me dise je t'aime. Je veux qu'on me dise que si tu n'existais pas.

[Host (possibly Adrien Schoekert or main presenter)]

Un constat, pour commencer les algorithmes ils sont partout.

[Marie Van Kutsem]

Ils sont là, ils sont dans les campagnes, dans les villes, ils sont sur les réseaux sociaux.

[Host (possibly Adrien Schoekert or main presenter)]

Ils sont comme une interface qui régit notre rapport à notre univers numérique. Sur internet, la gigantesque quantité de contenu nécessite qu'on s'y retrouve un minimum. Un algorithme de recommandation va trier pour nous, filtrer, et nous proposer des contenus de plus en plus précis en fonction de nos recherches précédentes, de nos comportements en ligne et aussi de nos données personnelles. On y associe parfois une forme de danger. C'est d'ailleurs ce que j'ai spontanément tapé dans ma recherche Google. On pense aux addictions, aux bulles de filtres, à la polarisation des idées, au grand méchant TikTok. Est-ce que c'est puissant à ce point? Est-ce qu'on serait vraiment manipulé? Bonjour tout le monde, c'est Luffy. On se retrouve pour retoucher ma couleur. Ça me procure toujours une source de stress, mais je le fais quand même.

[Anthony de Kerker]

Si vous avez cliqué sur cette vidéo, c'est que vous croyez dans le potentiel des crypto-monnaies.

[Marie Van Kutsem]

Salut les gays, j'espère que vous allez bien.

[Sarah Poussey]

Guess who's back, back again. Encore Lama Fouf pour un défilé.

[Host (possibly Adrien Schoekert or main presenter)]

Un autre élément qui me semble intéressant, c'est le caractère évidemment très personnalisé de ces algorithmes, ce qui fait qu'on se les approprie, qu'on les anthropomorphise presque. D'ailleurs, est-ce que vous ne dites pas parfois mon algorithme? Mon algorithme sur Insta n'arrête pas de me proposer des chorégraphies depuis que ma fille a joué avec mon téléphone.

[Marie Van Kutsem]

Mon algorithme a vrillé, je ne sais pas pourquoi. J'ai plein de contenus un peu dark en ce moment.

[Host (possibly Adrien Schoekert or main presenter)]

Il serait cet algorithme comme ce pote un peu collant, un peu intrusif, qui lit quasiment dans nos pensées. Normal, il faut vous garder le plus longtemps possible sur un réseau, vous exposer à de la publicité ou vous pousser à l'achat, si on se trouve par exemple sur un site d'e-commerce. Sur RTBF Ovio, sur le site RTBF Actu, ça fonctionne différemment. Un média de service public doit repenser ses recommandations car les intentions derrière ne sont pas les mêmes. Sur Radio France, le sujet aussi a été étudié pour concevoir l'application qui permet d'accéder à tous les contenus du média de service public français.

[Marie Van Kutsem]

Nous avons défini des indicateurs de découvrabilité pour vous permettre de plonger dans la

[Host (possibly Adrien Schoekert or main presenter)]

variété de nos programmes. Et chez nous? On va se questionner là-dessus ensemble. Mais avant, on lève le voile sur le fonctionnement général des algorithmes de recommandation avec nos invités. Nos invités qui sont en studio et on les accueille. Bonjour, Anthony de Kerker.

[Anthony de Kerker]

Bonjour.

[Host (possibly Adrien Schoekert or main presenter)]

Vous êtes collaborateur à la gestion des données ici à la RTBF et on accueille également Arnaud Classe. Bonjour.

[Marie Van Kutsem]

Bonjour.

[Host (possibly Adrien Schoekert or main presenter)]

Vous êtes chercheur postdoctorant à l'UCLouvain et vous travaillez sur l'usage des algorithmes dans les médias. Bon, vous avez sorti tous les deux les outils. On va ouvrir la boîte noire pour commencer. Arnaud Classe, le gros défi, si vous deviez nous faire une définition accessible du mot algorithme, vous diriez quoi?

[Marie Van Kutsem]

Ouh là, ça, c'est toujours un peu la question qui fâche. Je dirais que c'est une séquence d'instructions qui sont ordonnées, qui opèrent dans un certain ordre et qui ont pour l'objectif d'atteindre un certain objectif.

[Host (possibly Adrien Schoekert or main presenter)]

Anthony de Kerker, est-ce que les algorithmes existent depuis l'invention des mathématiques, depuis l'invention de l'informatique ou bien c'est une évolution possible grâce à la puissance des ordinateurs aujourd'hui, tout simplement?

[Anthony de Kerker]

Je pense que suite à la définition d'Arnaud, c'est très intéressant de se dire qu'en fait, ces algorithmes existaient bien avant l'ordinateur. Ces algorithmes, c'est une recette conçue, une recette de cuisine. Je pense qu'à partir du moment où l'ordinateur arrive, c'est parce qu'il y a un développeur, un programmeur qui va être là pour transcrire cette suite d'instructions à une machine utilisant un langage de programmation.

[Host (possibly Adrien Schoekert or main presenter)]

Alors comment on explique qu'aujourd'hui, Arnoklass, pourquoi c'est devenu si important? On en parle tout le temps, les algorithmes n'utilisaient jamais ce mot-là dans le langage courant avant.

[Marie Van Kutsem]

Oui, c'est vrai, c'est assez particulier quand on y réfléchit, c'est un mot à la base plutôt réservé au scénario scientifique. Et maintenant, en fait, à peu près tout le monde sait de quoi on parle quand on utilise ce mot-là. Je crois que c'est surtout lié au fait que l'automatisation liée au développement de l'informatique a pénétré toute une série d'activités, de domaines de la vie courante, et notamment ici dans le registre de l'accès à l'information. et que la question de déléguer, en fait, la prise de décision à un dispositif technique ravive toute une série d'inquiétudes. Donc c'est assez compréhensible que maintenant ce soit devenu, au final, un sujet de débat public.

[Anthony de Kerker]

D'accord. Et je pense que c'est là où les algorithmes sont devenus peut-être moins contrôlables, dans le sens où les premiers algorithmes, avant tout ce qui est arrivé, aujourd'hui l'IA, qui rend les algorithmes un peu moins déterministes qu'avant. C'est vraiment ce sens déterministe. Chaque algorithme, avant, on appliquait les mêmes recettes, avec les mêmes données qu'on donnait à l'entrée. On était assuré d'avoir la même réponse à la sortie. Ici, maintenant, poser deux fois la même question à CHFGPT, vous allez avoir deux fois une réponse. différentes. Ce qui est assez perturbant, je pense, et c'est ça qui alerte un petit peu les gens aujourd'hui de se dire qu'on ne maîtrise pas toujours la sortie de ce qui pourrait arriver de ces algorithmes. Et je pense que c'est ça qui réveille un petit peu la curiosité et l'inquiétude.

[Host (possibly Adrien Schoekert or main presenter)]

Ça devient en fait un sujet de débat public, on l'entend bien. C'est lié aussi, j'imagine, à l'arrivée d'intelligence artificielle.

[Anthony de Kerker]

Pour moi, oui. Pour moi, oui.

[Host (possibly Adrien Schoekert or main presenter)]

D'accord avec ça aussi, Arnaud Clas.

[Marie Van Kutsem]

Oui, parce que je crois que l'expression «intelligence artificielle» aussi est associée à toute une série de... tout un imaginaire, toute une série de mythes, d'inquiétudes, de paniques morales aussi. Et donc ça a contribué effectivement à une sorte d'inflation aussi un peu sur ce sujet.

[Host (possibly Adrien Schoekert or main presenter)]

Anthony de Kerker, on parlait dans l'introduction de la nécessité de trier, de filtrer tous ces contenus auxquels on avait accès lorsqu'on était sur internet. Comment ça fonctionne donc, très concrètement, puisqu'on est vraiment dans cette idée de boîte noire qu'on ouvre, comment ça fonctionne un algorithme de recommandation?

[Anthony de Kerker]

Ici, nous, voilà, on a un algorithme de recommandations personnalisées sur la page de RTB Factu, ou deux même, deux différents. Sur la page Ovio, on en a trois actuelles. Donc, on gère toute une série d'algorithmes qui ont des finalités différentes. Un algorithme va gérer du contenu en rapport à ce que la personne a regardé dans son historique de lecture. Un autre algorithme va aller chercher des articles ou des contenus qui sont proches de la personne qui a renseigné son code postal, par exemple. Donc, voilà, on a plusieurs comportements, plusieurs algorithmes.

[Host (possibly Adrien Schoekert or main presenter)]

Vous voulez dire qu'avec cette histoire de code postal, on va aller chercher du contenu, par exemple, qui a été produit localement, qui pourrait intéresser la personne en fonction de son lieu de vie?

[Anthony de Kerker]

Voilà, absolument. C'est ce qu'on a sorti l'année passée lors des élections communales et on a vu que ça avait assez bien marché. Pour ne pas que la personne doive non plus... Voilà, c'est aussi avoir comme une aide à la personne, que la personne ne doit pas aller dans la barre de recherche pour regarder, tiens, rappeler, j'habite à tel endroit. Je veux avoir toutes les informations, tous les articles qui auraient été produits, qui concernent ma région et les alentours.

[Host (possibly Adrien Schoekert or main presenter)]

Alors, on sent bien ici les prémices de ce que peut être un algorithme de service public. Arnaud Clas, de manière plus générale, un algorithme de recommandation, lorsqu'il est dans une logique commerciale, comment il fonctionne? On parle souvent, par exemple, de l'algorithme de TikTok qui serait très puissant et qui, au final, nous enferme de plus en plus. Comment ça fonctionne?

[Marie Van Kutsem]

Donc, ce à quoi il faut s'intéresser quand on veut étudier ce genre d'objets, c'est ce pourquoi ils sont optimisés. Et en l'occurrence, généralement, pour des algorithmes de recommandation tels que celui de TikTok, ils sont généralement optimisés pour ce qu'on appelle l'engagement, c'est-à-dire la propension d'un utilisateur à rester sur une plateforme et à interagir avec les différents contenus qui lui sont proposés. Alors cet engagement, il est mesuré comment? Il est mesuré par le nombre de clics que l'utilisateur va faire, le nombre de retweets ou de partages ou de réactions, de commentaires. On va capter toute une série de signaux qu'on va utiliser comme proxy pour expliquer les intentions.

[Host (possibly Adrien Schoekert or main presenter)]

Un proxy, peut-être juste rappeler ce que c'est?

[Marie Van Kutsem]

Un proxy, c'est un intermédiaire, donc on ne sait pas savoir idéalement ce qui se passe dans la tête de l'utilisateur. Par contre, on peut mesurer combien de fois, combien de temps est-ce qu'il a regardé telle ou telle vidéo, quand est-ce qu'il s'est arrêté, sur quoi est-ce qu'il a cliqué. Ça donne une indication générale sur ce qu'il peut aimer ou pas.

[Host (possibly Adrien Schoekert or main presenter)]

Ça permet de convertir son comportement en données qu'on peut utiliser.

[Marie Van Kutsem]

Tout à fait. Et dans ce cas-là, en fait, on va essayer d'optimiser pour recommander des contenus qui vont avoir le plus grand pourcentage de chances de provoquer ce genre de réaction. On va privilégier des contenus, on va se dire, sur base de ce qu'on sait de l'utilisateur, ce contenu-là, il va cliquer, il va interagir avec, il va regarder la vidéo. Le problème, c'est qu'on a constaté, c'est qu'optimiser pour l'engagement, c'est pas nécessairement optimiser pour des contenus qui sont intéressants, qui vont contribuer à un écosystème médiatique relativement sain. On va parfois avoir tendance à recommander avec ce genre de système des contenus qui vont faire réagir des réactions. On peut en avoir pour plein de raisons parce qu'on est en colère, parce qu'on est joyeux, parce qu'on est triste, parce qu'on est choqué. Ce qui contribue du coup à la viralité de certains contenus problématiques.

[Host (possibly Adrien Schoekert or main presenter)]

Oui c'est ça, et c'est là que vient toute cette thématique autour des sujets qui polarisent, puisque on sait bien que ce sont les contenus qui font réagir le plus, et notamment qui mettent en colère ou qui indignent, qui fonctionnent très bien. Puisqu'on est dans le vocabulaire, on précisera peut-être aussi qu'il existe plusieurs types d'algorithmes, et pas uniquement des algorithmes de recommandation.

[Anthony de Kerker]

Oui, je pense que tous les algorithmes, tous les programmes informatiques sont issus d'algorithmes de ce qui existe depuis le passé. On peut faire plusieurs familles différentes. On n'a peut-être pas tout le temps ici pour regarder toutes les classifications différentes, mais je pense que ce qui est important aujourd'hui, c'est les algorithmes déterministes, comme je l'ai dit tout à l'heure, et ceux qui font intervenir le machine learning, l'intelligence artificielle, qui sont non déterministes et qui sont sur base de probabilité à avoir un certain type de réponse ou un autre.

[Host (possibly Adrien Schoekert or main presenter)]

Alors, on a la recette maintenant, on comprend un petit peu mieux comment ça fonctionne. Maintenant, ce constat, parfois il y a des ratés dans cette recette, ce sont les fameux biais dont on parle aussi régulièrement. Sarah Poussey nous rappelle de quoi il s'agit.

[Sarah Poussey]

Les biais sont un phénomène qui reflète ou renforce des préjugés, qu'ils soient sexistes, racistes ou encore socio-économiques. Un algorithme n'est pas en soi biaisé, ce sont les modèles qui le composent ou les données sur lesquelles il s'est entraîné qui posent problème. Par exemple, certains systèmes de reconnaissance faciale ne parviennent pas à identifier des personnes à la peau plus foncée, et c'est encore plus compliqué pour les femmes noires. Ici, on a clairement l'exemple d'un système qui n'a pas été basé sur des données représentatives de la population. Il faut en effet garder en tête que les données collectives sont elles-mêmes le reflet des billets de la société. Un algorithme qui se base dessus ne peut que renforcer ses préjugés. Par exemple, si pour alimenter un algorithme de prévision policière, qui vise donc à prévenir la criminalité, on se base sur toutes les arrestations effectuées en Floride ces 60 dernières années, et bien forcément on va avoir un modèle raciste, puisque dans le contexte de la ségrégation raciale, les arrestations policières ont clairement été dans le passé motivées par des critères ethniques. On retrouve aussi des biais liés à la conception en tant que tel du modèle algorithmique, avec des règles introduites directement par les développeurs sur base d'erreurs ou de leurs propres préjugés. Et puis il arrive aussi que des algorithmes fassent des liens de causalité, là où on ne peut parler que de corrélation entre plusieurs éléments. Ainsi, un algorithme a établi un lien de causalité entre l'augmentation des attaques de requins et la vente de glace. Le seul lien entre les deux, c'est en fait que ces événements se passent durant l'été. Ce qui pose surtout problème dans ces biais algorithmiques, c'est lorsque ces algorithmes font partie d'intelligences artificielles liées à des prises de décisions. Amazon s'est ainsi rendu compte que son outil de recrutement, basé sur l'IA, discriminait systématiquement les CV des femmes. L'algorithme a en effet basé son calcul sur l'historique de recrutement de l'entreprise, et vu que les hommes y sont majoritaires, il en a déduit que le bon CV à sélectionner était celui d'un homme.

[Host (possibly Adrien Schoekert or main presenter)]

Donc là, c'est un sujet dont on a beaucoup parlé, ces biais et leurs dangers. Est-ce qu'aujourd'hui, et dans le monde tel qu'il évolue ces derniers temps, on sait comment lutter contre? Et surtout, est-ce que c'est encore un sujet qui préoccupe les gars-femmes?

[Marie Van Kutsem]

Alors, c'est toujours un sujet parfaitement d'actualité. C'est pas quelque chose qu'on peut résoudre en un claquement de doigts d'un point de vue technique. Le principe d'un biais, c'est qu'il est un peu caché, on ne le connaît pas nécessairement. Certains sont plus... Certains biais sexistes, etc., par exemple, sont beaucoup plus connus. Mais on ne peut jamais être sûr que les données sur lesquelles on travaille ne sont dépourvues d'aucun biais ou que tout a été parfaitement calibré pour limiter ce genre de choses. Est-ce que maintenant ça préoccupe les gays femmes ou ce genre d'acteurs? Ça va dépendre de la pression qu'on met sur eux pour ces problématiques-là. Ça l'a été quelque temps dans tous ces enjeux d'accès à l'information, ça l'est un petit peu moins maintenant, mais le problème aussi serait de leur laisser, je veux dire, seule la mainmise sur ces problématiques-là. Même si ça les préoccupe, ça ne doit pas être les seuls qui doivent essayer de trouver une solution à ces sujets.

[Host (possibly Adrien Schoekert or main presenter)]

Et ça résonne évidemment avec l'émission d'un média de service public, s'adresser au plus grand nombre, favoriser, défendre la diversité. Anthony de Kerkir, est-ce qu'on a donc mis au point ici à l'RTBF un algorithme de service public? Oui, plusieurs même, vous nous l'avez dit. Notamment celui, vous avez déjà détaillé, qui est basé sur la localisation géographique. Est-ce qu'il y a d'autres éléments que vous pouvez un peu nous expliquer?

[Anthony de Kerker]

Oui, alors c'est vrai qu'on s'est rendu compte, c'était il y a deux ans, on a réalisé, ce qui est précis dans la séquence, c'est chouette parce que ces séquences introduisent vraiment les questions qu'on s'est posées au moment de la mise en place des algorithmes et de réaliser qu'en fait, il y avait des biais dans les règles qu'on mettait, dans la façon dont un développeur peut implémenter l'algorithme, de façon parfois involontaire, exactement, comme un journaliste qui écrit un article ne peut pas rester complètement objectif. C'est un petit peu dans la même Dans la même idée, ici, ce qu'on a mis en place, c'était des comités éditoriaux avec des équipés éditoriaux RTBF pour ne pas que les développeurs soient seuls à implémenter ces algorithmes pour éviter le moins de biais possible.

[Host (possibly Adrien Schoekert or main presenter)]

Alors on a travaillé sur la géographie, vous l'avez dit. Est-ce que par exemple on a travaillé sur l'accès à des contenus belges francophones, la découvrabilité, enfin tous des mots qu'on entend un petit peu comme ça et qu'on aimerait bien voir comment on les traduit finalement dans un langage informatique?

[Anthony de Kerker]

Alors ça ce sont même des règles qui sont imposées nous par le CSA et c'est ça qui fait la grosse différence avec les GAFAM qui vont plutôt

[Host (possibly Adrien Schoekert or main presenter)]

chercher Donc le CSA, le Conseil supérieur de l'audiovisuel.

[Anthony de Kerker]

Oui, absolument, qui est là depuis le décret, depuis 1997. On a des contrats de gestion et on doit faire de la culture, des informations, du divertissement. Et le CSA, donc ce Conseil supérieur de l'audiovisuel, nous impose que dans les algorithmes, on ait un certain nombre de contenus d'information, de culture, d'éducation aux médias, par exemple.

[Host (possibly Adrien Schoekert or main presenter)]

Et donc, comment ça se traduit en langage informatique, ça?

[Anthony de Kerker]

Comment ça se traduit en langage informatique? On se base sur la structure existante des plateformes qu'on a, donc RTB Factu, RTB Fovio, et on regarde alors les métadonnées des contenus. Et on se base sur ces métadonnées-là pour dire, OK, ça, c'est du contenu culturel, ça, c'est du contenu d'information. Et on essaye de répartir les charges dans les différents algorithmes. Donc, un des algorithmes qu'on a, que j'ai mentionné, qui est un contenu personnalisé sur RTB Factu, qui va nous rajouter un contenu culturel de découvrabilité, toutes les recommandations pairs, par exemple. Donc, on a ce bandeau qui est personnalisé. Les positions, on va être mathématiques, les positions 1, 3, 5, 7, toutes les positions impaires, ça va être du contenu personnalisé. Et on va mettre sur les positions pairs un contenu de découvrabilité qui est un contenu culture. Et les contenus culture, on les a choisis, on a fait une pile d'articles culturels parce qu'ils étaient annotés comme étant de la culture par les métadonnées. les méthodologues qui sont remplies par les journalistes ou les créateurs de contenus qui écrivent des articles culturels.

[Host (possibly Adrien Schoekert or main presenter)]

Est-ce que ça fonctionne? C'est-à-dire, est-ce que vous avez pu mesurer la manière dont les utilisateurs et les utilisatrices se comportaient face à ces plateformes de la RTBF? Et est-ce que, effectivement, ça induit un comportement de «je vais aller cliquer sur ces contenus étiquetés découvrabilité?» Alors, pour le

[Anthony de Kerker]

moment, on s'assure, donc avec notre obligation, avec le Conseil supérieur d'audiovisuel, on s'arrange pour avoir une bonne proportion de ces contenus à proposer, qu'une personne n'aille pas, un utilisateur, un groupe d'utilisateurs n'aille pas s'enfermer dans une bulle de filtre. C'est justement cette découvrabilité-là qu'on veut s'assurer de donner. Le comportement qu'on va étudier dans les Voilà, des outils ont été mis à disposition récemment pour aller plus loin et pour découvrir qu'est-ce que, parmi les recommandations, quelles sont les recommandations qui fonctionnent bien, celles qui fonctionnent moins bien. On ne va peut-être pas aller aussi loin que dans des plateformes plutôt privées qui vont essayer de faire de la rétention d'utilisateurs. Nous, ce qu'on va faire, c'est trouver, continuer sur la découvrabilité, savoir que les gens sont très intéressés dans un type de contenu. plutôt que de les enfermer là-dedans, ce sera de leur dire de temps en temps, tiens, voilà, on a un contenu culturel qui pourrait peut-être vous intéresser. C'est un pari que nous, on fait, parce que c'est quelque chose que la personne ne nous a pas déclaré qu'elle appréciait, via ses choix déclaratifs ou via son comportement de consommation. Ce sera de dire, tiens, peut-être que ce contenu-là te plairait.

[Host (possibly Adrien Schoekert or main presenter)]

Arnaud Clas, chez Radio France, gros emballement au moment de lancer cet algorithme dans leur application de replay. Avec le temps, ça s'est un petit peu dégonflé, au sens où les équipes ont réalisé que l'éditorialisation des contenus mis en avant, ça nécessitait quand même pas mal de travail humain. Qu'est-ce que vous pensez de ça?

[Marie Van Kutsem]

C'est très intéressant, je crois qu'on a peut-être l'idée préconçue que incorporer un algorithme dans une plateforme, c'est presque comme prendre quelque chose sur une étagère et l'implémenter et c'est fait. Mais en fait, c'est un travail conséquent, c'est pas du tout aussi simple. Il y a autant de solutions diverses qu'il y a de distributeurs, de sites web, de plateformes. Chacun doit un peu adapter son système à ses contraintes. Ça, c'est d'une part. D'autre part, on se rend compte aussi qu'il y a une distance importante entre l'exposition d'un individu à un contenu et, entre guillemets, à des gros guillemets, sa consommation du contenu. Ce travail d'éditorialisation, il est important. Il n'a pas un effet nul. Forcément, l'attention, l'utilisateur est d'office concentré sur les premiers résultats, sur une page d'actualité. Mais j'aime bien cette expression d'origine anglophone qui est de dire que c'est pas parce qu'on amène un âne assoiffé à une marque qu'il va nécessairement boire. C'est pas parce qu'on est exposé à un contenu qu'on va nécessairement le consulter et l'intégrer de façon passive, etc. Et donc, je crois qu'il y a eu beaucoup de rédactions qui se sont rendu compte que c'était un outil intéressant, mais que c'était pas l'outil qui allait révolutionner les pratiques. et qu'en fait une éditorialisation humaine, Aga avait toujours sa place et qu'il y avait un équilibre à trouver. Une fois qu'on rentre dans le concret, c'est du travail et donc il fallait déployer beaucoup d'énergie et de ressources pour en faire quelque chose d'intéressant.

[Host (possibly Adrien Schoekert or main presenter)]

Anthony de Kerker, sur cette question-là, est-ce que vous, à la RTBF, vous dites, ok, on a un algorithme adapté, mais malgré tout, les équipes continuent à éditorialiser les contenus auxquels on a exposé, et surtout, on laisse aussi une marge de manœuvre, finalement, à l'utilisateur, l'utilisatrice, ça, ça rentre aussi, quelque part, dans des missions de service public, il me semble, se dire, on ne va pas vous enfermer, on n'est pas là pour vous dicter ce que vous allez regarder, mais on vous laisse une marge.

[Anthony de Kerker]

Voilà, donc c'est vrai qu'on essaie de faire ce que les grandes plateformes font pour fidéliser les utilisateurs. Maintenant, il y a une chose qu'il faut se rendre compte, c'est que depuis qu'on a Internet, on publie énormément de choses. J'ai encore vérifié les chiffres hier. On a 1000 articles qui sont publiés chaque semaine sur le site RTB Facture. On a 1500 vidéos et audios qui sont publiées à la demande sur la plateforme Ovio. C'est absolument phénoménal. Et 1500 vidéos, c'est 700 heures de contenu. Donc, 100 heures par jour de contenu qui sont publiées, c'est absolument phénoménal. Et donc, je pense que ces algorithmes, ils sont là justement pour aider les personnes à retrouver les choses qui les intéressent. Je me souviens de cette formulation qui était, c'est plus à l'utilisateur à trouver les contenus, c'est au contenu à trouver leur public.

[Host (possibly Adrien Schoekert or main presenter)]

Une dernière question, Arnaud Classe, très rapidement. Est-ce que cette question de l'algorithme de service public, finalement, ce n'est pas celle plus générale de l'accès au contenu de service public? Elle est toujours posée, quelle que soit la technologie derrière.

[Marie Van Kutsem]

Oui, tout à fait. Ce qui est intéressant ici, c'est que la question technique a une visibilité qu'elle n'a jamais eue, mais de tout temps dans les médias, ça a toujours été le cas. Et ici, ça se renouvelle avec des algorithmes et c'est effectivement rien de nouveau.

[Host (possibly Adrien Schoekert or main presenter)]

Voilà qui constitue une bonne conclusion, il me semble. Réfléchir aux algorithmes des médias de service public, c'est réfléchir à la portée des contenus. Dans l'émission de la RTBF, il est stipulé qu'il faut toucher le plus grand nombre. C'est dès lors assez logique de chercher à avoir une bonne diffusion. Mais la performance n'est pas tout. S'attacher à la diversité des contenus consiste à éviter les bulles de filtre. Et ça, c'est cet algorithme de découvrabilité qui s'en charge. Et puis, il y a cette notion de promotion de contenu produit en fédération Wallonie-Bruxelles, d'artistes de chez nous, d'accès à la culture. Encore une dimension à intégrer à un algorithme. C'est donc faisable. Et d'ailleurs, ça se fait, on l'a entendu. Au fond, un algorithme, comme tout outil, est avant tout le produit des intentions qu'il y a derrière. C'était intéressant de se rappeler que dans un monde numérique dominé par les intentions commerciales, il existe aussi d'autres voies. Merci à nos deux invités, Anthony De Carcaire, collaborateur à la gestion des données à la RTBF, et Arnaud Classe, chercheur postdoctorant à l'UCLouvain. Il y avait Adrien Schoekert à la réalisation de cette émission, et Sarah Pousset et Marie Van Kutsem à sa préparation. Merci pour votre oreille attentive et à très bientôt dans les clés médias.