Cet e-Origami est ouvert à la suite du travail sur le projet d’analyse des mécaniques de développement de la polémique-pénitentiaire , et des réflexions méthodologiques pour la cyberethnographie de liipps .
À la croisée de ces deux projets : les plateformes sociales.
De la réflexion à l’enquête publiée
Cette note est partie d’un besoin très concret : dégrossir une méthode pour observer des plateformes où la découverte de contenu passe par un algorithme de recommandation plutôt que par un moteur de recherche. Cette intuition a depuis été testée sur le terrain et publiée :
Abbadie, A. & Alidières, L. (2025). Des vidéos de détenus à la polémique médiatisée sur les plateformes sociales : Une pré-enquête cyberethnographique. Communication, colloque Parole Contrainte Prison. hal-05004503
Le protocole concret — curation par mots-clés, par implication dans une communauté virtuelle, ou par entraînement de l’algorithme de découverte, sur TikTok et Snapchat — est documenté dans ma démarche cyberethnographique. Cette note-ci ne reprend pas ce protocole : elle prend le relais là où l’article et la démarche s’arrêtent, sur ce que cette méthode suppose plus largement — épistémologiquement, méthodologiquement, éthiquement — dès lors qu’on la détache du seul cas de la polémique pénitentiaire.
Pourquoi une note à part
La démarche note elle-même, en passant, que « cette méthodologie n’est pas vraiment documentée par la communauté scientifique ». C’est précisément le point aveugle que je veux tenir ici : pas raconter à nouveau ce que j’ai fait, mais interroger ce que ça implique de le faire de cette façon.
Ce que suppose l’ethnographie algorithmique
Une méthode sans littérature stabilisée
Il n’existe pas, à ma connaissance, de cadre méthodologique nommé et stabilisé pour ce que je fais quand j’entraîne délibérément un algorithme de découverte pour qu’il m’amène vers un terrain à faible visibilité. Ce n’est ni tout à fait de l’observation participante au sens classique (Beaud & Weber), ni de la netnographie (Kozinets) telle que je l’ai déjà cadrée dans ma note sur les ethnographies du web, puisque l’interaction déterminante n’a pas lieu avec des personnes mais avec un système de recommandation. Les travaux les plus proches viennent d’ailleurs :
- danah boyd sur les networked publics : la visibilité d’un contenu en ligne n’est jamais donnée, elle est structurée par l’architecture technique de la plateforme (recherche, effacement, réplicabilité, audience invisible) — ce qui rend nécessaire une méthode qui travaille avec cette architecture plutôt qu’en la traitant comme un simple bruit ;
- Tarleton Gillespie sur les calculated publics : les algorithmes de recommandation ne se contentent pas de trier un contenu déjà là, ils fabriquent le public auquel il s’adresse — ce qui déplace la question méthodologique de « où chercher le corpus » à « quel public l’algorithme est en train de me construire » ;
- Alice Marwick sur la visibilité et le context collapse : utile pour penser pourquoi des comptes de détenus, conçus pour un public restreint, se retrouvent exposés à un public bien plus large une fois republiés — la polémique naît souvent de cet écart de contexte plutôt que du contenu lui-même ;
- Geoffrey Bowker & Susan Leigh Star sur les infrastructures de classification : utile pour rappeler que l’algorithme de découverte n’est jamais neutre, il encode des catégories (ce qui est « pertinent », « viral », « à recommander ») qui pèsent sur ce que l’ethnographe peut ou non voir.
Le compte, pas la chercheuse, comme point d’instabilité
Ce que la littérature ci-dessus ne dit pas, c’est où se loge exactement l’instabilité de la méthode. Ce n’est pas d’abord une affaire de subjectivité de la chercheuse : c’est que le compte utilisé pour entraîner l’algorithme porte des recommandations personnalisées qui ne sont elles-mêmes pas persistantes. Le profilage se réajuste en continu, dérive d’une session à l’autre, et peut se réinitialiser partiellement (mise à jour de l’application, évolution du modèle côté plateforme, période d’inactivité) — si bien que la « bulle » obtenue à un instant T n’est pas un état stable du compte que je pourrais figer, documenter, puis retrouver à l’identique plus tard.
Une réflexivité d'un genre différent
La réflexivité ethnographique classique porte sur l’effet de la présence du chercheur sur le terrain humain observé (cf. ma fiche sur les limites de l’enquête ethnographique). Ici, l’enjeu n’est pas ma présence en tant que personne, mais l’instabilité technique du compte lui-même : les recommandations personnalisées ne sont jamais un état acquis, elles se réactualisent à chaque session sans garantie de continuité. Le “terrain” n’est donc jamais stable — ni reproductible par une autre chercheuse avec un autre compte, ni retrouvable à l’identique par moi-même d’une session à l’autre.
Cela pose une limite méthodologique concrète que la démarche cyberethnographique n’a pas encore tranchée : comment documenter, pour la reproductibilité et la transparence scientifique, un terrain dont la condition d’existence même — l’état de personnalisation d’un compte — n’est pas persistante ? Contrairement à un corpus de mots-clés, la « bulle » obtenue par entraînement algorithmique n’est ni figée ni réplicable telle quelle, y compris pour le compte qui l’a produite.
La bulle de filtre comme terrain plutôt que comme biais
Eli Pariser (2011) a popularisé la bulle de filtre comme un problème démocratique : un enfermement informationnel à l’insu de l’utilisateur. La tentation, en méthodologie, serait de reprendre ce cadrage tel quel et de traiter la bulle de filtre comme un biais à neutraliser. C’est l’inverse que la démarche testée a fait : se servir de cet « enfermement » comme d’un instrument de curation, en assumant explicitement une subjectivité de terrain plutôt qu’en cherchant à l’éliminer — dans la même logique que la démarche décrite.
Ce renversement rejoint ce que Zeynep Tufekci décrit sous le terme de gatekeeping algorithmique : si l’algorithme est un nouveau gardien de la visibilité, alors l’ethnographe qui veut observer une zone de faible visibilité n’a pas d’autre choix que de négocier avec ce gardien plutôt que de le contourner. Mais négocier avec un gardien qui n’est ni une personne, ni un règlement écrit, pose des questions inédites de consentement et de posture que la littérature citée plus haut n’aborde qu’indirectement.
Ce qui reste ouvert
- Performativité de la méthode : la démarche notait déjà qu’il fallait « aller plus loin dans la question du performatif » — reste à écrire cette note, pour clarifier si le fait d’entraîner l’algorithme produit en partie la polémique que je cherche à décrire (l’ethnographe devient-elle un maillon de la circulation qu’elle étudie ?).
- Cadre éthique de l’« observation participante » d’un système : aucune donnée personnelle n’est collectée pendant l’exploration (cf. le disclaimer de la démarche), mais l’interaction avec l’algorithme laisse des traces (historique, profilage publicitaire) qui n’entrent dans aucun cadre de consentement classique — un angle mort à documenter, en écho à mon éthique de la recherche en milieu carcéral.
- Généraliser au-delà du cas prison : la méthode a été testée sur un objet précis (polémique pénitentiaire, TikTok/Snapchat) ; reste à vérifier ce qui, dans le protocole, est spécifique à ce terrain et ce qui relève d’un geste méthodologique transposable à d’autres objets de cyberethnographie (santé mentale, LIIPPS notamment).