L’impact social des algorithmes de recommandation sur la curation des contenus musicaux francophones au Québec. Une Revue de littérature comparée
Notice bibliographique
Résumé
Nous avons reçu le 19 février 2018 pour mandat de la Société de développement des entreprises culturelles (SODEC) de réaliser une étude exploratoire portant sur l’impact des algorithmes de recommandation et la curation des contenus musicaux francophones québécois sur les plateformes de musique en ligne et continue, plus communément appelée plateformes de streaming. En effet, alors que ces dernières ont bousculé l’écosystème musical à l’échelle internationale, il n’existe que peu de travaux permettant de comprendre leurs impacts sociaux, a fortiori dans le cas du Québec. Partant des statistiques alarmantes portant sur le très faible volume d’écoute des musiques québécoises francophones sur les plateformes de streaming (Fortier, 2015), la SODEC nous a donné pour mandat de parfaire les connaissances sur a) les publics qui transigent avec ces algorithmes, ce qu’ils en font et en comprennent et b) les modèles d’affaires de ces plateformes algorithmiques et comment le plus souvent elles se présentent comme des boîtes noires (Pasquale, 2015) et c) les attentes et stratégies des professionnels du secteur musical qui, après avoir été surpris dans un premier temps par l’arrivée massive des plateformes musicales et de leurs modèles d’affaires spécifiques, expérimentent à présent des stratégies pérennes de financement. À cette fin, ce rapport intermédiaire fait état des considérations actuelles, scientifiques et sociétales, de l’impact social du streaming sur les pratiques d’écoute musicale. En dépit d’une littérature quasi-inexistante spécifique au cas québécois, notre travail a consisté dans un premier temps à réunir une bibliographie portant sur les relations entre publics, algorithmes et plateformes de streaming musical. Nous avons ainsi récolté environ 450 articles scientifiques, réalisé une veille sur la presse spécialisée (notamment Music Business Worldwilde) et étudié les rares rapports émanant de la littérature grise à cet égard.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».