1
← Retour aux quizQuiz gratuit
Information, Media and Algorithms
Ce cours explore les notions fondamentales qui relient l'information, les médias et les algorithmes. Il s'adresse aux étudiants en informatique, aux spécialistes de la communication et à…
0 / 21
Score: 0%
2
Dans la théorie de Marshall McLuhan, quel type de média sollicite la participation active du récepteur ?
3
Quel biais cognitif consiste à ne retenir que les informations confirmant nos croyances préexistantes ?
4
Quel mécanisme algorithmique crée un environnement informationnel homogène qui renforce les idées d’un individu ?
5
Quel type d'algorithme repose sur une suite d'instructions destinées à résoudre un problème ou accomplir une tâche ?
6
Quelle règle du RGPD impose aux plateformes de rendre leurs traitements algorithmiques transparents ?
7
Quel phénomène décrit la réduction de la diversité des opinions exposées à un utilisateur à cause d'algorithmes de recommandation ?
8
Dans le cadre de l’économie de l’attention, quel critère mesure la durée moyenne d’attention d’un utilisateur ?
9
Quel type de média est décrit comme « riche en contenus, mobilisant un seul sens » selon McLuhan ?
10
Quel terme désigne la pratique journalistique consistant à collecter, analyser et présenter des données sous forme visuelle ?
11
Quel concept décrit la contrainte imposée par le média qui crée une relation dissymétrique entre informateur et informé ?
12
Quel type de concentration médiatique implique qu'un même acteur contrôle plusieurs étapes de la chaîne de valeur (production, diffusion, distribution) ?
13
Quel principe juridique européen vise à responsabiliser les plateformes numériques en cas de diffusion de contenus illicites ?
14
Quel type d'algorithme combine des règles explicites définies par les concepteurs et un apprentissage sur des données d’entraînement ?
15
Quel effet décrit la répétition d’une information dans plusieurs médias, renforçant sa perception comme vérité ?
16
Quel type de discours met en scène un groupe de victimes afin de susciter la compassion du public ?
17
Quel concept désigne la capacité d’un média à influencer l’opinion publique en servant d’interface entre le pouvoir politique et les citoyens ?
18
Quel terme décrit la pratique consistant à créer de faux mouvements citoyens pour influencer les politiques publiques ?
19
Quel mécanisme algorithmique vise à identifier et réguler les contenus haineux, la nudité ou les fake news ?
20
Quel type de biais algorithmique peut renforcer les stéréotypes en fonction des données d’entraînement utilisées ?
21
Quel concept décrit la perte d’intérêt pour les contenus médiatiques en raison d’une surcharge d’informations et d’une fatigue cognitive ?
Information, Media and Algorithms – Concepts clés
Ce cours explore les notions fondamentales qui relient l'information, les médias et les algorithmes. Il s'adresse aux étudiants en informatique, aux spécialistes de la communication et à tous ceux qui souhaitent comprendre comment les contenus sont sélectionnés, présentés et filtrés à l'ère numérique.
1. Transformation de l'information avant diffusion
Le processus qui consiste à sélectionner, hiérarchiser et mettre en forme un événement avant sa diffusion médiatique est appelé transformation de l'information. Cette étape inclut :
- La collecte des faits bruts.
- Le tri selon la pertinence et l'actualité.
- La rédaction adaptée au public cible.
- La mise en forme (texte, image, vidéo) pour optimiser l'impact.
Comprendre ce processus est essentiel pour analyser la manière dont les médias façonnent la perception du public.
2. Médias chauds vs médias froids (Marshall McLuhan)
Marshall McLuhan distingue deux types de médias :
- Médias chauds : offrent une grande quantité d'informations et demandent peu d'engagement du récepteur (ex. télévision).
- Médias froids : fournissent peu d'informations et exigent une participation active du lecteur ou de l'auditeur (ex. téléphone, internet).
Dans la théorie de McLuhan, les médias froids sollicitent la participation active du récepteur, favorisant ainsi l'interaction et la co‑construction du sens.
3. Biais de confirmation
Le biais de confirmation est un biais cognitif qui pousse les individus à ne retenir que les informations qui confirment leurs croyances préexistantes, tout en ignorant les données contradictoires. Ce phénomène explique pourquoi les bulles informationnelles se renforcent et pourquoi il est difficile de changer d'opinion même face à des preuves solides.
4. Bulle informationnelle
Un bulle informationnelle est le résultat d'un mécanisme algorithmique qui crée un environnement homogène, renforçant les idées d’un individu. Les algorithmes de recommandation, basés sur le filtrage collaboratif ou le profilage comportemental, tendent à proposer du contenu similaire à ce que l'utilisateur a déjà consommé, limitant ainsi l'exposition à des points de vue divers.
5. Algorithme : définition et rôle
Un algorithme est une suite d'instructions logiques destinées à résoudre un problème ou à accomplir une tâche précise. Contrairement à un simple script ou à une macro, l'algorithme possède une structure claire (entrée, traitement, sortie) et peut être implémenté dans différents langages de programmation.
Exemples d'algorithmes courants :
- Algorithmes de tri (ex. tri rapide, tri à bulles).
- Algorithmes de recherche (ex. recherche binaire).
- Algorithmes de recommandation (ex. filtrage collaboratif).
6. Transparence algorithmique et RGPD
Le Règlement Général sur la Protection des Données (RGPD) impose aux plateformes une obligation de transparence et d’explicabilité concernant leurs traitements algorithmiques. Cette règle vise à :
- Informer les utilisateurs sur le fonctionnement des algorithmes qui influencent leurs contenus.
- Permettre aux personnes concernées de contester ou de demander des explications sur les décisions automatisées.
- Renforcer la confiance et la responsabilité des acteurs numériques.
7. Effet de bulle de filtre
L'effet de bulle de filtre décrit la réduction de la diversité des opinions exposées à un utilisateur à cause d'algorithmes de recommandation. Ce phénomène peut conduire à :
- Un isolement informationnel.
- Une polarisation accrue des opinions.
- Une moindre capacité à remettre en question ses propres convictions.
Les plateformes cherchent à atténuer cet effet en diversifiant les sources et en introduisant des contenus « opposés » de manière contrôlée.
8. Économie de l’attention : mesure du temps moyen d’engagement
Dans l'économie de l'attention, le temps moyen d’engagement mesure la durée moyenne pendant laquelle un utilisateur reste actif sur un contenu (vidéo, article, post). Cette métrique est cruciale car :
- Elle indique la pertinence et la qualité du contenu.
- Elle influence les revenus publicitaires (plus d'engagement = plus de valeur).
- Elle guide les stratégies de création de contenu pour maximiser la rétention.
Contrairement au taux de clics ou au taux de rebond, le temps moyen d’engagement fournit une vision plus profonde de l'intérêt réel du public.
9. Synthèse et bonnes pratiques
Pour maîtriser l'interaction entre information, médias et algorithmes, il est recommandé de :
- Analyser la chaîne de transformation de l'information avant sa diffusion.
- Comprendre les types de médias et leur impact sur la participation du récepteur.
- Identifier les biais cognitifs, notamment le biais de confirmation.
- Évaluer les effets des bulles informationnelles et des bulles de filtre.
- Assurer la transparence algorithmique conformément au RGPD.
- Optimiser le temps moyen d’engagement pour améliorer la visibilité et la monétisation.
En appliquant ces principes, les professionnels du numérique peuvent créer des environnements plus équilibrés, éthiques et attractifs pour les utilisateurs.
