Estimation causale de l'effet du système de recommandation de YouTube à l'aide de bots contrefactuels

Ces dernières années, les critiques des plateformes en ligne ont soulevé des préoccupations concernant la capacité des algorithmes de recommandation à amplifier du contenu problématique, avec des conséquences potentiellement radicalisantes. Cependant, les tentatives d'évaluer l'effet des recommandations ont souffert d'un manque de contrefactuels appropriés—ce qu'un utilisateur aurait regardé en l'absence de recommandations algorithmiques—et ne peuvent donc pas dissocier les effets de l'algorithme des intentions de l'utilisateur. Ici, nous proposons une méthode que nous appelons "bots contrefactuels" pour estimer de manière causale le rôle des recommandations algorithmiques sur la consommation de contenu hautement partisan sur YouTube. En comparant des bots qui répliquent les modèles de consommation de vrais utilisateurs avec des bots "contrefactuels" qui suivent des trajectoires basées sur des règles, nous montrons qu'en moyenne, se fier exclusivement au système de recommandation de YouTube entraîne une consommation moins partisane, où l'effet est le plus prononcé pour les consommateurs partisans intensifs. En suivant une méthode similaire, nous montrons également que si les consommateurs partisans passent à un contenu modéré, le système de recommandation de la barre latérale de YouTube "oublie" leur préférence partisane après environ 30 vidéos, quelle que soit leur histoire précédente, tandis que les recommandations sur la page d'accueil évoluent plus progressivement vers un contenu modéré. Dans l'ensemble, nos résultats indiquent que, du moins depuis les changements algorithmiques que YouTube a mis en œuvre en 2019, les modèles de consommation individuels reflètent principalement les préférences individuelles, où les recommandations algorithmiques jouent, tout au plus, un rôle modérateur.