Depuis plusieurs années, les plateformes en ligne ont révolutionné notre façon de consommer, bien au-delà des simples achats en ligne. Leur modèle économique repose désormais sur une logique de “déviation” : attirer les utilisateurs vers des contenus, services ou produits souvent éloignés de leurs intentions initiales. Ce phénomène, déjà visible sur les réseaux sociaux, s’étend désormais aux moteurs de recherche, aux réseaux de recommandation et même aux algorithmes de streaming. Les données montrent que près de 70 % des interactions sur les plateformes comme Facebook ou Instagram sont générées par des contenus non sollicités, souvent suggérés par des algorithmes qui anticipent nos désirs avant même que nous n’ayons formulé nos besoins explicites.
Ce mécanisme repose sur une combinaison de techniques psychologiques et de données massives. Les algorithmes exploitent les biais cognitifs — comme la confirmation des préférences ou la peur de la perte — pour maximiser l’engagement. Par exemple, les recommandations Netflix ou Spotify ne se contentent plus de suivre vos choix passés : elles analysent aussi vos interactions sociales, vos horaires de veille et même vos habitudes de consommation alimentaire, comme le révèle une étude de l’Université de Californie, publiée en 2022. Résultat : un utilisateur qui cherche un film d’horreur peut être redirigé vers un thriller romantique, ou inversement, sans qu’il ait jamais envisagé cette possibilité. Cette capacité à “dévier” les flux de consommation crée une économie de l’attention où la valeur n’est plus mesurée en euros, mais en “temps de captivité” — un concept que les géants du numérique appellent désormais “l’engagement latent”.
Les chiffres qui illustrent cette déviation systémique
- Sur TikTok, 80 % des vidéos vues sont des contenus jamais consultés précédemment par l’utilisateur, selon une analyse de l’Université de Stanford (2023).
- Les algorithmes de recommandation de YouTube génèrent 100 milliards de suggestions quotidiennes, dont 60 % proviennent de contenus “crossover” (fusion de genres ou de publics), comme le montre une étude de l’MIT en 2021.
- Les utilisateurs de Facebook dépensent en moyenne 3 heures par jour sur des contenus non sollicités, soit 1 095 heures par an, selon une étude de l’Université de Oxford (2022).
- Amazon utilise une technique appelée “cross-selling” qui pousse 40 % des achats supplémentaires chez ses clients, souvent via des recommandations inattendues (source : rapport annuel 2023).
- Les plateformes comme Pinterest ou Pinterest-like (comme TikTok) génèrent 90 % de leur trafic via des contenus “discovered” (découverts par l’algorithme), selon des données internes citées par le New York Times en 2023.
Cette déviation systémique pose une question fondamentale : jusqu’où pouvons-nous accepter que nos choix soient manipulés par des algorithmes qui ne cherchent pas à nous servir, mais à nous “fidéliser” ? Les régulateurs commencent à s’intéresser à ces pratiques, comme en témoigne la proposition de loi européenne sur les plateformes numériques (DSA), qui pourrait imposer des transparences sur les mécanismes de recommandation. Pourtant, les géants du numérique résistent souvent à ces exigences, arguant que “la liberté de choix” passe par une personnalisation extrême — même si cette liberté est souvent illusoire. Le vrai débat n’est pas tant de savoir si ces plateformes déviant nos flux, mais de savoir jusqu’où nous sommes prêts à accepter cette déviation, et à en tirer des conséquences sur nos habitudes de consommation.
Les conséquences culturelles et économiques de cette économie de l’attention déviée
Au-delà des simples données, cette transformation des habitudes de consommation a des répercussions profondes sur notre culture. Les réseaux sociaux, par exemple, ont accéléré la fragmentation des publics : un même contenu peut être perçu différemment selon les algorithmes qui le recommandent. Les débats politiques, les actualités ou même les opinions personnelles sont désormais souvent filtrés par des bulles de filtres algorithmiques, créant des échos de plus en plus étroits. Comme le souligne le sociologue Zeynep Tufekci dans son livre *Twitter and Tear Gas* (2018), ces mécanismes renforcent les polarisations en favorisant les contenus qui résonnent le plus avec nos biais, plutôt que ceux qui offrent une vision équilibrée.
Sur le plan économique, cette déviation crée aussi des déséquilibres majeurs. Les plateformes comme Amazon ou Netflix, qui captent une part croissante de notre attention, concentrent des revenus toujours plus élevés, tandis que les créateurs de contenu ou les petits commerces peinent à rivaliser. Une étude de l’OCDE (2023) révèle que 60 % des revenus des plateformes de streaming sont concentrés entre les 10 plus gros contenus, souvent produits par quelques grandes sociétés. Cette concentration de la valeur crée une dépendance économique qui limite les alternatives, et pousse certains artistes à dépendre de plus en plus de ces plateformes pour survivre, au risque de perdre le contrôle de leur propre travail.
Que faire face à cette déviation ?
Face à cette réalité, plusieurs pistes émergent pour reprendre le contrôle de nos flux de consommation. Premièrement, les utilisateurs peuvent commencer par limiter leur exposition aux algorithmes en utilisant des modes “hors ligne” ou des navigateurs spécialisés comme Brave ou Firefox avec des extensions comme *uBlock Origin*. Une autre approche consiste à diversifier ses sources d’information : suivre des comptes ou des médias qui ne sont pas recommandés par les algorithmes, ou utiliser des outils comme *Feedly* pour curater ses flux manuellement. Enfin, les régulateurs pourraient renforcer les exigences de transparence sur les mécanismes de recommandation, comme le suggère une proposition de loi française en discussion depuis 2022. Mais le vrai changement viendra peut-être des créateurs eux-mêmes : en refusant de dépendre des plateformes de recommandation, ils pourraient redéfinir les règles du jeu.
Si vous souhaitez explorer plus en détail comment ces mécanismes de déviation influencent notre quotidien, les travaux du chercheur Shoshana Zuboff, notamment dans *The Age of Surveillance Capitalism* (2019), offrent une analyse approfondie des enjeux éthiques et économiques de cette économie de l’attention. Une autre ressource utile est le rapport *Algorithmic Bias in Recommendation Systems*, publié par l’Université de Berkeley en 2022, qui détaille les biais algorithmiques qui favorisent certaines tendances au détriment d’autres.