La production de jeux vidéo conduite par les données analytiques : l'exemple de Rainbow Six Siege à Ubisoft Montréal
Notice bibliographique
Résumé
Dans ce mémoire, nous cherchons à comprendre comment les données analytiques sont interprétées par les équipes de développement de jeux vidéo et comment elles influencent ou non la production de Rainbow Six Siege (Ubisoft, 2015) dans les décisions relatives à sa conception et à sa commercialisation. Rainbow Six Siege (R6S) est un jeu vidéo de tir à la première personne appartenant au modèle de jeux en tant que service. Actuellement, ce jeu vidéo représente un des projets les plus lucratifs pour l’entreprise Ubisoft Entertainment, même dix ans après sa sortie initiale, le 1er décembre 2015. Les jeux en tant que service comme R6S ont influencé la manière dont Ubisoft Montréal conçoit les jeux vidéo actuellement, puisqu’ils permettent de regrouper les joueur·euse·s sous une seule population en quantifiant les utilisateur·rice·s et leurs interactions. Il a été démontré que les jeux en tant que service sont des modèles permettant de mieux comprendre les comportements des joueur·euse·s pour stimuler la consommation, mais aucune étude ne s’est intéressée aux perspectives des concepteur·rice·s pour comprendre les limites de ce modèle. Pour ce faire, nous avons procédé à des entrevues semi-dirigées avec six concepteur·rice·s travaillant sur la production du jeu, en mobilisant des concepts en lien avec l’éthique dans la création de jeux vidéo, les stratégies d’acquisition de consommateurs et consommatrices, les rapports de pouvoir et le capitalisme de surveillance. À partir de ces approches conceptuelles, nous procédons à une analyse de contenu des entretiens afin de dégager les principaux thèmes relevant des expériences professionnelles des développeur·euse·s interviewé·e·s. Tout d’abord, nous expliquons les raisons pour lesquelles les données analytiques occupent une place centrale dans la production de R6S et comment elles permettent d’influencer ou non les stratégies commerciales du jeu. Ensuite, nous voyons comment les données analytiques peuvent causer des ambivalences en lien avec leur interprétation ce qui peut mener à des conséquences concrètes au sein même de la production. Ensuite, nous expliquons comment certains types de données analytiques peuvent être hiérarchisés par rapport à d’autres et comment leurs usages peuvent renforcer des rapports de pouvoir dans la production et dans la communauté de joueur·euse·s. Enfin, nous nous penchons sur la vision des concepteur·rice·s sur le développement d’un jeu vidéo responsable. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : données analytiques, production vidéoludique, Rainbow Six Siege, conception éthique, rapports de pouvoir, décisions stratégiques, conception de jeu, marchandisation.
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 | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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 ».