Key points are not available for this paper at this time.
Les récentes innovations dans la publicité en ligne facilitent l'utilisation d'une grande variété de sources de données pour construire des micro-segments de consommateurs et délèguent la fabrication de segments d'audience à des algorithmes d'apprentissage automatique. Ces deux techniques promettent de remplacer le ciblage démographique, dans le cadre d'un tournant post-démographique dirigé par les technologies des big data. Cet article enquête empiriquement sur cette transformation dans la publicité en ligne. Nous montrons que les catégories de ciblage sont évaluées selon trois critères : l'efficacité, la communicabilité et l'explicabilité. L'importance relative de ces objectifs aide à expliquer le rôle durable des catégories démographiques, le développement de segments d'audience spécifiques à chaque annonceur, et la difficulté à généraliser les catégories d'intérêt associées aux big data. Ces résultats soulignent l'importance d'étudier l'impact des technologies avancées des big data et de l'IA dans leurs contextes organisationnels et professionnels d'appropriation, et de porter attention à la permanence des catégorisations qui rendent le monde social intelligible.
Beauvisage et al. (Thu,) ont étudié cette question.