Le Big Data de poche composé de tout ce que vous faites, ressentez et décidez.
Par Renata Neves
Source : Freepik
Cela ressemble à une théorie du complot, mais c’est réel : tous nos mouvements en ligne, ou leur absence, sont surveillés et analysés. Il devient ainsi plus facile de prédire des schémas de comportement chez les utilisateurs et de déterminer les types de contenus qui orientent nos décisions.
Ce sont là les données comportementales qui sont conservées, vendues ou partagées pour des stratégies de marketing, des campagnes politiques et d’autres actions qui ont besoin de la participation des consommateurs.
Cependant, les algorithmes des plateformes numériques servent aussi à capter et à analyser les données psychiques et émotionnelles des personnes.
Autrement dit, il est désormais possible d’utiliser la technologie pour prédire quand un groupe précis d’utilisateurs est triste, heureux, fatigué, vulnérable, et ainsi de suite. C’est à ce moment-là que le marketing ou la politique avance avec des contenus émotionnels, réservés à ce groupe, garantissant le bon comportement au bon moment.
Au bout du compte, une masse énorme de personnes se trouve orientée vers des décisions politiques ou commerciales.
Tout cela fonctionne comme un laboratoire géant où diverses expériences sociales sont menées par des entreprises ou des responsables politiques sur les plateformes, en profitant de conditions générales abusives et en accumulant des déductions sur les utilisateurs, même sans certitude que l’algorithme ait toujours raison.
Et quand la technologie se trompe, dans ces cas-là, les effets sont considérables. Comme cela est arrivé en 2018, quand Donald Trump a remporté l’élection présidentielle.
Cela fait beaucoup d’informations à comprendre et à accepter, mais nous allons expliquer doucement comment fonctionne l’économie psychique et comment elle est utilisée dans votre vie. Alors, on y va ?
Comprendre l’économie psychique des algorithmes
Le concept d’économie psychique a été élaboré par la chercheuse Fernanda Bruno en étudiant la façon dont les plateformes numériques captent les données comportementales de leurs utilisateurs.
Selon elle, l’économie psychique des algorithmes est l’investissement dans des processus de captation et d’analyse, ainsi que l’utilisation des informations psychiques et émotionnelles extraites par la surveillance.
Autrement dit, l’algorithme est conçu pour établir un pourcentage sur une caractéristique psychologique que vous manifestez à travers vos actions dans une application.
Par exemple, si vous avez écouté tel type « x » de musiques, sauté une quantité « y » d’autres et manifesté de l’intérêt pour tel type « z » d’albums recommandés, la technologie est alors capable de tracer votre profil en temps réel et de stocker votre schéma de comportement.
Or tout cela se produit sans que vous le sachiez et, pire, sans que vous en compreniez la raison.
L’économie psychique a émergé dans le capitalisme de données actuel afin de faciliter le contrôle de l’environnement où les personnes sont le plus influencées.
Le but de disposer d’une base d’informations psychologiques est de générer du profit, même si le procédé est éthiquement douteux.
Vos données psychiques et émotionnelles servent à faciliter des ventes, à cibler des campagnes politiques, à influencer vos actions dans des moments de vulnérabilité et à créer des schémas de comportement entre différents groupes de personnes.
De cette façon, les plateformes numériques et quiconque se trouve derrière seront prêts à envoyer le meilleur contenu pour réorienter vos décisions.
Les technologies issues de l’économie psychique s’engagent à prédire l’utilisateur, comme si la personne derrière le téléphone était irrationnelle et impulsive.
En résumé, l’algorithme rassemble divers schémas de comportement que vous avez dans les applications, trace un profil et parvient à faire des prédictions sur vos décisions, assez pour guider des stratégies de marketing et des campagnes électorales.
La chercheuse Fernanda affirme dans un entretien que « l’avenir est en train d’être détourné », précisément parce que toutes vos options et la diversité des possibles sont réduites à une seule direction, un seul choix.
Elle explique aussi que les données numériques et les informations psychologiques constituent trois couches : l’économique ou marchande (qui vise le profit par l’échange, la vente et l’utilisation des informations), celle de la gestion et du contrôle émotionnels (des contenus ciblés pour provoquer des émotions précises) et l’épistémologique (production de savoir sur un sujet ou un groupe de sujets).
Cela signifie que le côté positif de ce processus tient à l’acquisition de connaissances. La science s’étend ainsi et l’innovation technologique se développe davantage.
Cependant, une étude psychologique de ce type suppose des millions d’expériences menées sans base scientifique, sur des millions de personnes et, encore moins, sans le consentement des utilisateurs. Le tout dans le but de produire davantage d’influence vers certaines directions commerciales ou politiques.
Comprenez-vous qu’il existe de nombreux tests prédisant vos actions numériques entre les mains de grandes entreprises, de responsables politiques et de plateformes ?
L’animateur du podcast Tecnopolítica, Sérgio Amadeu, rappelle que toute expérience comporte sa marge d’erreur. Dès lors, si cela s’applique à grande échelle, le pourcentage d’erreur représente lui aussi un nombre gigantesque au sein de la population générale.
La base de la stratégie de prédiction et de contrôle
Il importe d’expliciter la base théorique de la méthode de captation et d’évaluation des émotions.
Vous pouvez lire l’article complet de Fernanda Bruno pour comprendre les références et les théoriciens cités, en cliquant ici.
Un modèle de construction de profils par analyse démographique était déjà largement utilisé, captant des données fournies par les personnes, comme le genre, l’âge, le lieu de vie, le lieu de travail et d’autres.
Le nouveau modèle stratégique, en revanche, réalise l’analyse des données à partir du profil psychométrique, des données personnelles et des relations numériques.
L’une des différences entre ces deux modèles tient à ce que le premier n’implique pas d’être totalement sincère ; il devient donc nécessaire d’analyser les actions spontanées des utilisateurs pour construire les prédictions.
La logique derrière la stratégie est la suivante : déterminer des schémas de comportement, définir un profil psychologique, comparer ces schémas avec ceux d’autres utilisateurs, définir des groupes de profils et observer l’interaction entre eux.
En ce sens, la machine devient capable de prédire quels seront les prochains comportements face à un contenu et, ainsi, les stratégies de marketing et de campagne peuvent modifier l’environnement en leur faveur.
Modifier l’environnement pour altérer ou façonner un comportement et créer des contenus qui conditionnent les personnes sont des traits qui trouvent leur origine dans la théorie du behaviorisme. Et c’est là que nous voulons en venir.
La prémisse du behaviorisme, comme l’affirme Anna Bentes, est la prédiction et le contrôle du comportement, tout comme nous l’observons dans l’économie psychique.
La théorie est apparue au XIXe siècle avec le psychologue John B. Watson et a cherché à se développer comme une science objective et mesurable ; il fallait donc mener des expériences pouvant être décrites et mesurées. En vérité, toute étude scientifique a besoin d’une base vérifiable par des observations ou des chiffres, mais comment serait-il possible de prédire les comportements humains ? C’est ce qu’il nous faut comprendre.
Watson défendait le behaviorisme méthodologique par le conditionnement classique. C’est-à-dire que, pour lui, l’association d’éléments à des stimuli pouvait même façonner ou ajuster un enfant en vue de n’importe quelle profession.
L’une des expériences menées par le psychologue a consisté à développer la peur chez un nouveau-né en associant un rat, qui ne provoquait aucune réaction chez l’enfant, à un bruit fort et alarmant.
À la fin des tests, le bébé s’est mis à connaître des épisodes d’angoisse et de peur à la vue de l’animal ou d’éléments qui lui ressemblaient, même sans la présence du son.
Skinner, quant à lui, a cherché à démontrer le behaviorisme radical par le conditionnement opérant. Il explique ainsi que l’usage de renforcements positifs ou négatifs et de punitions produit des conséquences qui ajustent le comportement.
Par exemple, dans son test « la boîte de Skinner », un rat répétait son comportement chaque fois qu’il était récompensé. Mais la fréquence du comportement diminuait lorsqu’il recevait des punitions.
Malgré tout, les deux théories traitent leur objet d’étude comme un être irrationnel, en faisant abstraction de ses pensées, de ses sentiments et de ses émotions. En ce sens, il est possible d’établir un lien entre la théorie du behaviorisme et la pratique de l’économie psychique.
Le problème est que les expériences menées sur des données psychologiques et l’utilisation de contenus pour influencer des décisions sont des tests appliqués d’innombrables façons et à des milliers de personnes.
Comment se fait la captation des données ?
Vous pouvez penser à tout : mentions j’aime, recherches, courriels, textes effacés, photos, musiques préférées, musiques passées, localisations, vitesse de déplacement, vitesse de frappe, pages consultées, temps de lecture, fautes d’orthographe, clics, achats et autres schémas d’interaction.
À cela s’ajoute l’investissement pour tenter d’extraire les émotions des utilisateurs, la personnalité, toutes les vulnérabilités et les inclinations.
Grâce à l’architecture des plateformes, la lecture d’un émoji facilite l’identification d’une émotion traduite en langage de programmation, par exemple. Sans parler des études sur la lecture faciale et de l’usage incorrect de la biométrie.
Toutes ces données plus petites (small data) sont celles qui composent le big data. Il stocke l’analyse de nos relations avec d’autres comptes et profils, révélant à la technologie de l’économie psychique les schémas de comportement.
D’ailleurs, la grande question de l’analyse des données psychiques et émotionnelles est qu’elle ne s’intéresse pas aux caractéristiques d’un seul individu, mais à la façon dont ils réagissent et se relient les uns aux autres, parmi d’autres personnalités.
Ainsi, connaître des informations isolées, comme le nombre de mentions j’aime d’un utilisateur quelconque, peut se révéler assez inutile. En revanche, savoir qu’un type précis de profil a l’habitude de mettre un « j’adore » sur les publications colorées du compte « x » peut être une information précieuse.
Quand la small data est recueillie, l’évaluation du profil de chaque utilisateur se fait à partir de techniques de l’ économie comportementale. Les études du behaviorisme, de la psychologie cognitive, de la psychologie évolutionniste et de la neuropsychologie deviennent ainsi les principaux outils pour indiquer la probabilité de chaque comportement.
Il vaut la peine de souligner le mot « probabilité », car une machine n’est pas capable de deviner à tous les coups le type neuropsychique de millions de personnes. Malgré cela, la stratégie séduit les organisations parce que la technologie promet de prédire les comportements avec précision et efficacité.
Une personne se voit associée à un ou plusieurs types de profils, ce qui influera entièrement sur les actions de diffusion de contenu qui suivront.
Une série de tests de contenu est appliquée à des utilisateurs semblables, à la recherche de nouveaux schémas et en tentant avec insistance d’orienter les décisions du groupe vers l’accord ou le désaccord.
En pratique, ce serait comme créer plusieurs publicités en changeant de petites informations, des couleurs ou des légendes, pour comprendre lesquelles fonctionnent le mieux et lesquelles sont les mieux acceptées. En ce sens, les erreurs ne posent pas de problème, car elles ne sont qu’un apprentissage permettant à la technologie de mieux prédire ensuite.
Cette stratégie consistant à produire des versions ne différant que par de minimes détails a été l’une des voies employées dans la campagne de Trump en 2018. Des milliers de publicités étaient appliquées à différents segments de marché et au microtargeting. Nous détaillerons cela dans la section suivante.
Pour renforcer les bases de captation, la surveillance doit se faire en temps réel, en évaluant comment chaque contenu produit des stimuli. Ainsi, plus un utilisateur reste sur la plateforme et interagit, mieux c’est pour l’analyse.
Ce modèle de captation de données doit se réinventer en réfléchissant à la manière de retenir l’attention et d’obtenir plus d’engagement. En même temps, il doit disputer la pertinence et la valeur qu’un utilisateur accorderait à une plateforme numérique.
L’idée est de transformer le design, les automatisations et l’expérience utilisateur suffisamment pour que l’usage de la plateforme devienne addictif et se mue en habitude.
La base de données psychométriques de Cambridge Analytica
En 2018, l’entreprise britannique Cambridge Analytica, qui a organisé la campagne politique de Donald Trump, a été au cœur, avec Facebook, de l’une des plus grandes polémiques liées à l’usage des données et de la psychométrie.
Des années plus tôt, les collègues Michal Kosinski et David Stillwell ont mené une étude en lançant le test de personnalité MyPersonality au sein de Facebook. Les questions étaient de nature psychométrique, évaluaient le type de profil de chaque participant à partir du Big Five, et demandaient l’accès aux données du profil Facebook.
Ce qui devait être une expérience locale a fini par réunir des millions de participants.
Kosinski s’est aperçu qu’il était possible de combiner les données psychométriques avec les comportements sur Facebook pour établir des déductions presque parfaites. Le chercheur a démontré qu’avec une moyenne de 68 mentions j’aime par utilisateur, il était possible de prédire la couleur de peau, l’orientation sexuelle, l’affiliation politique, l’intelligence, l’identité religieuse, l’usage de drogues licites et illicites et même les divorces dans la famille. À la fin de la recherche, son mécanisme parvenait à évaluer les personnes avec seulement 10 mentions j’aime.
De façon générale, la méthodologie de Kosinski permettait d’attribuer le Big Five à quiconque, en ligne ou hors ligne, autorisait l’accès à ses données. Après tout, comme les smartphones sont des outils chargés de secrets et de pensées, le chercheur n’avait qu’à être un bon analyste de la psychométrie.
Malgré cela, Kosinski a publié son étude, refusé des offres d’emploi et n’a pas vendu sa base de données MyPersonality, bien qu’on la lui ait demandée.
En 2015, Cambridge Analytica a été engagée pour mener la campagne en ligne du Brexit et a présenté ce travail par un marketing innovant fondé sur le big data. Autrement dit, l’entreprise a utilisé la méthodologie même de Kosinski, mais à des fins politiques.
L’application qui demandait l’accès aux données Facebook en échange d’un test de personnalité était désormais la fameuse This Your Digital Life.
Vu le succès apparent du Brexit, l’entreprise a été appelée pour sa mission suivante : la campagne électorale de Donald Trump, avec la même stratégie de marketing fondée sur des données psychométriques.
Les électeurs des États-Unis ont été répartis en trente-deux personnalités, analysés et transformés en cibles de publicités hautement segmentées. Grâce au big data, il était possible d’aborder chaque utilisateur d’une manière différente.
Par exemple, pour un public aux réactions intenses et émotionnelles, il suffisait de présenter les armes comme un moyen de se protéger des vols. Pour un public soucieux de sa famille, il valait mieux montrer les armes comme un moyen de protéger les enfants.
Cambridge Analytica est ainsi parvenue à envoyer des messages différents à chaque type d’électeur. Elle pouvait même présenter Hillary Clinton sous les pires jours possibles à tous les types de publics identifiés.
Des milliers de publicités ont été diffusées pour tester les stimuli, les équipes de Trump se rendaient au domicile des gens avec des discours personnalisés pour chaque personnalité, et toutes les réactions devenaient des données venant compléter la base.
La Casa Hacker, en partenariat avec Tactical Tech, a produit une vidéo détaillant le déroulement de cette stratégie électorale, que vous pouvez regarder en cliquant ici.
Et bien que Cambridge Analytica n’ait jamais assumé ni évoqué sa responsabilité éventuelle pendant la course électorale, la chercheuse Fernanda Bruno a raison d’affirmer que des expériences comme celle-ci n’influent peut-être pas sur la personnalité, mais qu’elles auront des conséquences sur le comportement.
Les techniques, les études ou les stratégies peuvent aussi impliquer des tentatives de contagion émotionnelle (diffusion en rafale de contenus provoquant une émotion), une surveillance du fil en temps réel, l’achat et la vente de données personnelles, l’autorisation d’accès dans les conditions d’une plateforme numérique, entre autres.
Nous avons aussi sélectionné pour vous cette vidéo, avec un extrait sur la puissance du big data présenté par Cambridge Analytica. Cliquez ici pour la voir en anglais.
Influence politique ou commerciale ?
Dans ce « laboratoire-monde », les expériences d’inspiration behavioriste sont appliquées directement au quotidien des gens.
Autrement dit, la théorie affirmant qu’il est possible de modifier l’environnement pour prédire et contrôler les comportements peut désormais s’appuyer sur la technologie pour être testée et utilisée sans conscience éthique.
Nous avons présenté un cas réel en politique, mais l’économie psychique est aussi là pour créer des avantages de marché.
Grâce à des études en psychologie, il est possible de découvrir que les personnes atteintes de trouble bipolaire peuvent traverser une phase de plus forte propension à la consommation. En analysant le comportement et en surveillant l’activité des utilisateurs, il n’est pas difficile d’identifier un groupe de personnes bipolaires et, surtout, de prédire le moment précis où elles sont le plus susceptibles de faire des achats coûteux sur un coup de tête.
Quand une organisation détient cette information et les données permettant d’établir les probabilités de cette prédiction, le résultat peut être la mise en œuvre d’une stratégie de marketing visant des profils présentant des troubles psychologiques.
De la même façon, le big data parvient aussi à prédire quand tel type « x » de personne se sent avec moins d’estime de soi, inquiète pour l’avenir, intéressée par un nouveau loisir, attentive à une cause, et bien d’autres situations.
Au final, tout sera converti en produits et services à vendre au bon moment et au bon public.
De l’autre côté du big data, nous avons un public qui, curieusement, sait un peu de choses sur la captation des données ou peut prendre conscience du sujet par la recherche.
Pourtant, cette même population est habituée à accepter les « conditions générales » de n’importe quel règlement, juste pour utiliser les plateformes numériques. De plus, des applications promettant de l’argent facile, l’accès au piratage et des jeux non aboutis apparaissent de plus en plus souvent dans les listes de téléchargements populaires.
Aujourd’hui, les gens veulent être vus et sentir qu’ils appartiennent aux relations en ligne. Ils continuent d’alimenter toutes sortes de bases de données, ne serait-ce que parce que personne ne peut ni ne veut se déconnecter.
C’est pourquoi connaître les politiques de protection des données personnelles et comprendre l’attention que portent les marques au moment de demander des autorisations est essentiel pour une vie numérique plus consciente.
La Lei Geral de Proteção de Dados (LGPD) est née pour garantir davantage de vie privée et de sécurité à l’utilisateur, mais elle a toujours besoin d’améliorations et de mises à jour à mesure que de nouvelles plateformes apparaissent et se font une place sur le marché.
Par ailleurs, vous pouvez évaluer la façon dont vous utilisez internet et la régularité avec laquelle vous y déposez vos données. Pour cela, la méthode du détox numérique est devenue une pratique pertinente pour qui cherche à réduire le temps passé dans la vie en ligne afin de profiter de la vie réelle.
Il est toujours important de rappeler que, malgré les stratégies de captation de données, internet fait partie de notre quotidien et joue des rôles fondamentaux pour la santé, l’éducation et l’innovation. Malgré tout, nous n’avons pas besoin d’être otages des outils virtuels en permanence.
Réfléchissez à votre consommation et à la façon dont votre vie en est affectée. Vous pouvez fixer des objectifs et des horaires pour réduire peu à peu le temps passé sur les applis ou, si cela vous intéresse, essayer de passer le week-end sans regarder votre téléphone au moins une fois par mois.
Nous sommes convaincus que vous êtes capable de revoir vos priorités et de conquérir une vie numérique plus saine !
Aidez-nous par un don
Vous avez lu un article réalisé par la Casa Hacker, initiative à but non lucratif consacrée à combattre l’inégalité sociale par l’éducation technologique.
Ensemble, nous pouvons construire des communautés mieux informées et tournées vers le développement.
Références
- BRUNO, Fernanda. A economia psíquica dos algoritmos: quando o laboratório é o mundo. Nexo Jornal, 2018. Disponible sur : .