Auteur : Frédéric Foschiani | QSN-DigiTal | 18 Novembre 2026

Les réseaux sociaux ne montrent plus seulement les publications des comptes que nous suivons. Leurs algorithmes sélectionnent une grande partie des contenus auxquels nous sommes exposés. Entre les évolutions de LinkedIn, les enquêtes européennes visant TikTok et les décisions de justice concernant Meta, une question s’impose : qui doit répondre des conséquences de ces recommandations ?


Cet article est une prolongation détaillée et enrichie de l’épisode 98 du podcast #QSNTALKS : Réseaux sociaux : quand les algorithmes prennent le contrôle, diffusé le 18 novembre 2026.


Qui choisit réellement ce que nous voyons ?

Lorsque vous ouvrez Facebook, Instagram, TikTok ou LinkedIn, vous consultez probablement des publications provenant de personnes que vous n’avez jamais choisi de suivre. Leur présence dans votre fil d’actualité ne doit rien au hasard : elle résulte des choix effectués par les algorithmes des réseaux sociaux.

Cette évolution transforme profondément le rôle des plateformes. Autrefois principalement destinées à entretenir des relations, elles deviennent des espaces où les systèmes de recommandation déterminent une part importante des informations auxquelles nous sommes exposés.

L’intelligence artificielle renforce cette personnalisation, comme l’illustrent les évolutions de LinkedIn. Mais les procédures européennes visant TikTok et les décisions judiciaires américaines concernant Meta montrent que les conséquences de ces mécanismes dépassent désormais les questions de visibilité.

Une interrogation s’impose : jusqu’où les plateformes peuvent-elles sélectionner les contenus que nous voyons sans devoir répondre des conséquences de leurs choix ?

1. Comment les algorithmes ont transformé les réseaux sociaux

Du réseau de relations au média de recommandation

À l’origine, les réseaux sociaux reposaient sur une proposition relativement simple : permettre aux utilisateurs de créer un réseau de relations et de suivre les contenus publiés par les personnes ou les organisations qu’ils avaient choisies.

Facebook servait à entretenir des relations personnelles. Instagram permettait de suivre des comptes correspondant à ses centres d’intérêt. LinkedIn facilitait les échanges au sein d’un réseau professionnel.

Les algorithmes existaient déjà. Il serait inexact d’affirmer que les plateformes affichaient autrefois exclusivement les publications dans un ordre chronologique. Cependant, les relations et les abonnements constituaient des éléments centraux de la distribution des contenus.

Les plateformes cherchent désormais à proposer des publications susceptibles de retenir l’attention, y compris lorsqu’elles proviennent de comptes inconnus. Le fil d’actualité n’est plus seulement le reflet d’un réseau de relations. Il devient un espace de découverte organisé par des mécanismes de recommandation.

Cette évolution était déjà analysée dans mon article de 2024 consacré à la baisse de l’engagement et à la transformation des réseaux sociaux en réseaux de découverte. Lorsque les plateformes choisissent les contenus susceptibles de nous intéresser, quelle influence exercent-elles sur notre environnement informationnel ?

Facebook et Instagram : ce que révèlent les chiffres de Mark Zuckerberg

En avril 2025, à l’occasion du procès antitrust opposant Meta à la Federal Trade Commission américaine, Mark Zuckerberg a livré plusieurs indications sur l’évolution des usages de Facebook et Instagram.

Sur Facebook, la part du temps consacrée aux contenus d’amis est passée de 22 % en 2023 à 17 % en 2025. Sur Instagram, elle est passée de 11 % à 7 % sur la même période. Ces chiffres ne signifient pas que les contenus recommandés représentent automatiquement les 83 % ou 93 % restants. Les autres activités incluent notamment différentes catégories de contenus et d’usages.

Ces données illustrent néanmoins le recul de la fonction relationnelle traditionnelle, au profit d’une expérience davantage tournée vers la consommation et la découverte de contenus. Cela ne signifie pas que les échanges sociaux ont disparu. Ils restent importants dans les messageries, les groupes et les interactions entre utilisateurs.

En revanche, le fil d’actualité est devenu, dans une large mesure, un média algorithmique dans lequel la plateforme exerce un pouvoir croissant de sélection.

Part du temps consacré aux contenus publiés par les amis (données rapportées en avril 2025)

Plateforme20232025
Facebook22 %17 %
Instagram11 %7 %

Part du temps de consultation, et non part des publications recommandées. Source : témoignage Zuckerberg lors du procès FTC/Meta, avril 2025.

Qui décide de la visibilité des publications ?

Pour comprendre cette transformation, il faut distinguer deux opérations : sélectionner les publications susceptibles d’être proposées et déterminer leur ordre d’affichage.

Les systèmes de recommandation utilisent différents signaux : comptes suivis, interactions précédentes, sujets abordés, caractéristiques des contenus, fraîcheur des publications et comportements de consultation. Ces signaux varient selon les plateformes et leurs systèmes techniques.

Un utilisateur regarde plusieurs publications consacrées à l’intelligence artificielle. Il consulte certains articles, laisse quelques commentaires et passe davantage de temps sur des contenus proches de cette thématique. La plateforme peut interpréter ces comportements comme des indices d’intérêt et lui recommander davantage de publications comparables, même lorsqu’elles proviennent de comptes auxquels il n’est pas abonné.

Publier un contenu ne signifie pas qu’il sera automatiquement visible par les abonnés d’un compte. Inversement, une publication peut être diffusée à des personnes qui ne connaissent pas son auteur. La visibilité dépend donc à la fois de l’intérêt potentiel du contenu pour une audience et des décisions de distribution prises par la plateforme. C’est un changement majeur pour les entreprises, les institutions, les médias et les professionnels.

2. LinkedIn : l’intelligence artificielle change les règles de la visibilité professionnelle

Des recommandations fondées sur une compréhension plus fine des contenus

Dans une publication technique du 12 mars 2026, LinkedIn a présenté une nouvelle génération de son système de recommandation, intégrant notamment de grands modèles de langage, ou LLM, ainsi que des modèles capables d’analyser les séquences d’interactions.

L’objectif annoncé est de mieux comprendre la relation entre les centres d’intérêt professionnels des utilisateurs et les publications proposées. Le système ne se limite plus à rapprocher des mots-clés ou à examiner des interactions isolées. Il peut exploiter des représentations sémantiques des profils et des contenus, ainsi que l’évolution des comportements de consultation.

LinkedIn indique utiliser notamment les informations professionnelles renseignées par ses membres, leurs compétences, leur parcours, les contenus consultés et leurs interactions précédentes.

Imaginons un directeur de la communication travaillant dans un établissement hospitalier. Même s’il ne suit aucun spécialiste international de cybersécurité, LinkedIn pourrait lui recommander une publication consacrée à la protection des données de santé, en rapprochant son environnement professionnel du sujet traité.

Cette possibilité est intéressante : elle permet de découvrir des expertises extérieures à son réseau de relations. Il faut toutefois distinguer l’objectif affiché par LinkedIn de la mesure indépendante de ses effets. Une recommandation techniquement plus pertinente ne garantit pas, à elle seule, une expérience informationnelle plus diversifiée.

Une personnalisation plus pertinente peut-elle réduire la diversité des informations ?

Plus un système comprend les centres d’intérêt d’un utilisateur, plus il peut lui proposer des contenus correspondant à ses préférences supposées. Mais faut-il nécessairement considérer cette correspondance comme un gage de qualité ?

Prenons le cas d’un professionnel qui consulte régulièrement des publications consacrées à l’intelligence artificielle générative. La plateforme pourrait progressivement privilégier cette thématique et lui proposer davantage d’analyses, d’actualités et de commentaires sur ce sujet.

Ce fonctionnement peut renforcer son expertise. Il peut également réduire la place accordée à d’autres informations pertinentes pour son activité, par exemple les questions juridiques, les évolutions des usages ou les transformations de la communication. Le risque serait alors de confondre pertinence individuelle et diversité informationnelle.

Il ne s’agit pas d’affirmer que LinkedIn enferme ses utilisateurs dans des bulles informationnelles ou produit les mêmes effets que ceux examinés par la Commission européenne concernant TikTok. Les informations techniques publiées par LinkedIn ne suffisent pas à démontrer un effet d’enfermement informationnel. La question reste néanmoins pertinente : un algorithme doit-il uniquement renforcer nos centres d’intérêt connus ou contribuer également à nous faire découvrir des perspectives inattendues ?

Quelles conséquences pour les entreprises et les professionnels ?

Pour les entreprises et les professionnels, cette évolution remet en question certaines approches traditionnelles de la visibilité sur LinkedIn. Le développement du réseau de relations, du nombre d’abonnés et des interactions conserve son utilité, mais ne suffit pas à expliquer la diffusion d’une publication dans un environnement où les recommandations peuvent atteindre des utilisateurs extérieurs au réseau de son auteur.

Une entreprise spécialisée dans la cybersécurité peut chercher à rendre ses analyses pertinentes pour des responsables informatiques, mais également pour des dirigeants, des responsables RH ou des directeurs de la communication confrontés aux mêmes risques. Cela suppose de travailler la clarté des sujets abordés, le contexte professionnel des publications et leur utilité réelle pour les audiences visées.

Pour autant, il serait abusif d’en déduire qu’il suffit de répéter certains mots-clés ou de publier dans un format particulier pour obtenir davantage de visibilité. Aucune garantie de diffusion ne peut être tirée des seules déclarations techniques de LinkedIn.

Les professionnels doivent concevoir leurs contenus pour les besoins informationnels de leurs publics, sans réduire leur stratégie à la recherche de signaux d’engagement favorables à l’algorithme. L’évaluation devrait porter sur la qualité des audiences atteintes, les conversations engagées et les résultats professionnels obtenus, pas uniquement sur les impressions et les mentions « J’aime ».

3. Effet rabbit hole : quand les recommandations deviennent répétitives

Comment fonctionne l’effet rabbit hole ?

Le terme rabbit hole, littéralement « terrier de lapin », fait référence à l’histoire d’Alice au pays des merveilles. Alice suit un lapin et se retrouve entraînée dans un univers qu’elle n’avait pas prévu d’explorer.

Sur les réseaux sociaux, cette expression désigne un phénomène comparable : un utilisateur consulte un contenu, puis reçoit progressivement des recommandations qui l’entraînent vers des publications similaires, parfois de manière de plus en plus répétitive.

Vous regardez une vidéo consacrée à un sujet d’actualité. Vous consultez ensuite une deuxième publication sur le même thème, puis une troisième. La plateforme interprète vos comportements comme des indices d’intérêt et continue de vous proposer des contenus proches. Au fil des recommandations, votre environnement informationnel peut se concentrer autour d’un nombre limité de sujets.

Ce mécanisme n’est pas nécessairement problématique. Il peut faciliter l’apprentissage et permettre de découvrir des contenus pédagogiques pertinents. La difficulté apparaît lorsque la répétition devient excessive, notamment lorsque les publications recommandées sont susceptibles d’affecter des personnes vulnérables.

J’avais consacré l’épisode 66 de QSNTALKS à ce sujet dès mars 2024, accompagné d’un article détaillé : L’effet Rabbit Hole sur les réseaux sociaux : décryptage. Près de trois ans plus tard, la question occupe désormais une place importante dans l’examen réglementaire du fonctionnement des grandes plateformes.

Quand la répétition des contenus pose un problème

Imaginons un adolescent qui regarde une vidéo consacrée à la perte de poids. Son comportement peut traduire une simple curiosité. Pourtant, le temps consacré à cette vidéo peut être interprété par le système de recommandation comme un signe d’intérêt.

D’autres publications sur l’apparence physique, les restrictions alimentaires ou la transformation du corps peuvent alors lui être proposées. Si ces recommandations se multiplient, l’adolescent risque d’être exposé de manière répétée à un environnement informationnel susceptible de renforcer certaines préoccupations personnelles.

Le problème ne tient pas nécessairement au caractère illégal de chaque publication. Une vidéo parlant d’alimentation, de tristesse ou d’isolement n’est pas automatiquement préjudiciable. C’est notamment l’exposition répétée à certains contenus, dans un contexte de vulnérabilité, qui peut susciter des inquiétudes.

Il faut distinguer l’exposition à un contenu potentiellement sensible, la répétition des recommandations similaires et le préjudice, dont l’existence et le lien avec ces recommandations doivent être établis à partir d’éléments probants. Cette distinction évite de confondre risque plausible et causalité démontrée.

J’ai déjà développé ces dimensions dans mon article Impacts psychosociaux des réseaux sociaux : comment reprendre la main ?. Le propos du présent article est différent : examiner les responsabilités qui peuvent découler de ces mécanismes de recommandation.

Le véritable enjeu : comment les comportements sont interprétés

Les systèmes de recommandation reposent largement sur l’analyse des comportements des utilisateurs. Or, un comportement observable ne permet pas toujours de déterminer correctement une intention.

Regarder une vidéo pendant plusieurs minutes ne signifie pas nécessairement vouloir en voir davantage. Une personne peut regarder un contenu parce qu’elle est intéressée, mais également parce qu’elle est inquiète, choquée ou simplement curieuse. De la même manière, un utilisateur peut consulter plusieurs publications défendant une opinion sans pour autant y adhérer.

Les systèmes cherchent donc à déduire des préférences à partir de signaux imparfaits. Cette limite mérite une attention particulière lorsque les contenus concernent des sujets sensibles.

Une plateforme doit-elle donner autant de poids à un temps de visionnage qu’à une préférence explicitement exprimée ? Comment peut-elle distinguer la curiosité ponctuelle d’un intérêt durable ? Et comment éviter qu’une interprétation erronée ne soit renforcée par les recommandations suivantes ?

Ces interrogations ne remettent pas en cause l’utilité de la personnalisation. Elles soulignent la nécessité de tenir compte de l’incertitude des signaux comportementaux et de permettre aux utilisateurs de corriger les préférences qui leur sont attribuées. C’est précisément sur ce terrain que la Commission européenne examine le fonctionnement de TikTok.

4. TikTok et Meta : la responsabilité des algorithmes devant les autorités

TikTok : pourquoi la Commission européenne examine le fil « Pour toi »

Le 6 novembre 2026, la Commission européenne a annoncé de nouvelles conclusions préliminaires concernant TikTok. L’examen vise spécifiquement le fil « Pour toi », qui repose sur un système de recommandation personnalisée. Ce fil permet de découvrir une succession de vidéos sélectionnées automatiquement, sans avoir besoin de suivre les comptes qui les publient.

Selon l’analyse préliminaire de la Commission, TikTok n’aurait pas correctement évalué ni suffisamment réduit les risques associés à l’effet rabbit hole. Elle s’intéresse notamment aux expositions répétées à des contenus concernant la tristesse, l’isolement ou l’image corporelle, susceptibles d’affecter la santé mentale d’utilisateurs vulnérables.

Il ne s’agit pas de la première intervention européenne sur le sujet. Le 6 février 2026, la Commission avait déjà communiqué des conclusions préliminaires concernant la conception potentiellement addictive de TikTok, en examinant notamment le défilement infini, la lecture automatique, les notifications et la personnalisation des recommandations.

En février, l’analyse portait sur plusieurs caractéristiques susceptibles d’encourager une utilisation compulsive. En novembre, elle se concentre plus spécifiquement sur les effets de recommandations répétitives dans le fil « Pour toi ».

Pour comprendre l’évolution historique de la plateforme, on peut aussi revenir sur mon décryptage du fonctionnement de l’algorithme TikTok publié en 2022. Cet article constitue un repère historique, et non une description exhaustive de son fonctionnement actuel.

Le DSA impose-t-il aux plateformes de modifier leurs algorithmes ?

L’action de la Commission européenne repose sur le Digital Services Act, ou DSA, le règlement européen sur les services numériques. Contrairement à une idée parfois répandue, ce texte ne se limite pas à encadrer la modération des contenus illégaux.

Il impose également des obligations spécifiques aux très grandes plateformes en ligne, notamment concernant l’identification, l’évaluation et la réduction de certains risques systémiques liés au fonctionnement de leurs services. Ces risques peuvent concerner les droits fondamentaux, la protection des mineurs ou encore le bien-être physique et mental des utilisateurs.

La conception d’un système de recommandation peut donc entrer dans le champ de ces obligations. La responsabilité d’une plateforme ne dépend plus seulement des contenus qu’elle héberge, mais peut également concerner les risques associés à la manière dont elle les sélectionne et les diffuse.

Le DSA n’interdit pas les recommandations personnalisées. Il impose notamment aux très grandes plateformes de proposer au moins une option de recommandation qui ne repose pas sur le profilage, ainsi que des obligations de transparence sur les principaux paramètres de leurs systèmes. Le règlement prévoit des sanctions pouvant atteindre 6 % du chiffre d’affaires annuel mondial en cas de non-conformité.

Au 15 novembre 2026, les conclusions annoncées le 6 novembre concernant le fil « Pour toi » restent préliminaires. TikTok peut répondre aux griefs et présenter ses arguments. Il ne s’agit pas d’une condamnation définitive et aucune sanction financière n’a été prononcée dans ce volet précis sur cette base.

L’enjeu dépasse néanmoins le montant des amendes potentielles : une plateforme peut-elle démontrer que les mesures qu’elle propose réduisent effectivement les risques associés à ses recommandations ?

Meta aux États-Unis : des sanctions financières aux modifications des services

De l’autre côté de l’Atlantique, une procédure visant Meta au Nouveau-Mexique illustre une approche judiciaire différente. En mars 2026, un jury a prononcé 375 millions de dollars de pénalités civiles contre l’entreprise. Le jugement rendu en août 2026 a ajouté environ 567 millions de dollars destinés à financer des mesures de réparation et de prévention. L’exposition financière de Meta atteint ainsi environ 942 millions de dollars dans cette affaire, selon les autorités du Nouveau-Mexique.

Mais l’intérêt de cette procédure ne réside pas uniquement dans son montant. Le tribunal a également ordonné plusieurs modifications concernant le fonctionnement de Facebook et Instagram pour les mineurs concernés. Parmi les dispositions figurent la suppression de certaines notifications push durant la nuit, notamment entre 22 heures et 7 heures, et pendant certaines heures scolaires ; le masquage par défaut des compteurs de mentions « J’aime », sauf autorisation parentale ; une limitation à 90 heures d’utilisation par mois, cumulées entre Facebook et Instagram ; et des mesures renforcées concernant les comportements prédateurs, certaines interactions avec des chatbots d’IA et la transparence.

Ces mesures illustrent une évolution : la réponse judiciaire ne consiste plus seulement à sanctionner financièrement une entreprise. Elle peut également intervenir sur la conception de ses services.

Il faut toutefois éviter deux erreurs. Le tribunal n’a pas ordonné la suppression générale des algorithmes, de la lecture automatique ou du défilement infini. Et l’ensemble des modifications ordonnées n’est pas nécessairement appliqué.

Meta conteste les décisions. Dans une déclaration déposée auprès de la Securities and Exchange Commission, l’entreprise indique avoir engagé des recours le 8 septembre 2026 et obtenu une suspension de l’exécution du jugement. Nous parlons donc de mesures ordonnées, puis suspendues, et non de transformations définitivement mises en œuvre.

Europe et États-Unis : deux approches, une même interrogation

La comparaison des situations européennes et américaines est instructive, à condition de ne pas les présenter comme juridiquement équivalentes.

En Europe, la Commission applique un règlement spécifique aux services numériques, avec des obligations d’évaluation et de réduction des risques systémiques. Au Nouveau-Mexique, la procédure contre Meta repose sur des fondements juridiques propres au droit américain et à l’affaire examinée. Les autorités, les compétences, les étapes procédurales et les mesures envisageables sont différentes.

Il serait trompeur de conclure que la justice américaine agit nécessairement plus vite ou plus efficacement que les institutions européennes à partir de ces deux seules procédures.

Comment évaluer alors l’efficacité de la réponse des pouvoirs publics ? Le montant d’une sanction est un indicateur de sa sévérité. La rapidité d’une procédure peut également être importante. Mais aucun de ces critères ne suffit à établir que les risques identifiés ont effectivement diminué.

À mon sens, l’indicateur essentiel reste la capacité des interventions publiques à obtenir des modifications concrètes, proportionnées et vérifiables du fonctionnement des plateformes. Un jugement suspendu ne produit pas nécessairement les effets attendus. Une conclusion préliminaire ne garantit pas davantage une évolution rapide. Ce qui doit être observé, c’est la traduction effective des obligations en protections réelles pour les utilisateurs.

Trois situations à ne pas confondre

PlateformeSituation au 15 novembre 2026
LinkedInÉvolution technique du système de recommandation annoncée par la plateforme.
TikTokConclusions préliminaires européennes concernant les risques du fil « Pour toi ».
MetaDécisions judiciaires américaines concernant les mineurs, dont l’exécution a été suspendue au Nouveau-Mexique.

5. Qui doit contrôler les algorithmes de recommandation ?

Les intérêts des plateformes correspondent-ils à ceux des utilisateurs ?

Les algorithmes sont devenus indispensables au fonctionnement des grandes plateformes. Face à des volumes considérables de publications, ils sélectionnent des contenus, facilitent leur découverte et adaptent les fils aux intérêts supposés de chaque utilisateur.

Mais ces systèmes ne fonctionnent pas indépendamment des objectifs des entreprises qui les développent. Une plateforme peut chercher à améliorer la pertinence, augmenter la fréquence de consultation, encourager les interactions ou prolonger la durée des sessions. Ces objectifs peuvent parfois converger avec les intérêts des utilisateurs.

Un contenu capable de prolonger la consultation n’est pas nécessairement un contenu bénéfique pour son destinataire. Prenons une publication particulièrement polémique : elle peut provoquer de nombreuses réactions, susciter des commentaires contradictoires et retenir durablement l’attention. Ces comportements sont des signaux observables, mais ils ne démontrent ni la fiabilité de l’information ni sa pertinence.

Il ne s’agit pas d’affirmer que tous les algorithmes privilégient systématiquement les contenus polémiques ou émotionnels. Il s’agit de rappeler que leurs critères de sélection reposent sur des choix de conception susceptibles d’influencer les informations consultées. Ces choix doivent pouvoir être expliqués et, lorsque cela est nécessaire, contestés.

Reprendre le contrôle : quelles possibilités pour les utilisateurs ?

La maîtrise des recommandations ne dépend pas uniquement des autorités de régulation. Les utilisateurs doivent également disposer de moyens leur permettant d’influencer leur expérience.

Certaines plateformes proposent déjà des fonctionnalités pour consulter les publications des comptes suivis, indiquer qu’un contenu ne présente pas d’intérêt ou modifier des préférences. Ces possibilités varient selon les services, leurs interfaces et les paramètres disponibles.

Mais proposer une fonctionnalité ne garantit pas son efficacité. Lorsqu’un utilisateur clique sur « Pas intéressé », cette préférence devrait avoir un effet compréhensible sur les recommandations suivantes. Si des publications très similaires continuent d’apparaître régulièrement, il devient légitime de s’interroger sur la portée du dispositif.

Il en va de même pour les outils de gestion du temps d’écran. Un avertissement facilement ignoré peut informer l’utilisateur sans nécessairement modifier ses habitudes. La Commission européenne a précisément soulevé cette interrogation dans ses conclusions préliminaires de février 2026 concernant TikTok.

À mon sens, trois conditions sont nécessaires : comprendre les principaux critères de recommandation ; choisir des modes de consultation et exprimer des préférences ; corriger effectivement les recommandations reçues. L’objectif n’est pas de transformer chaque utilisateur en spécialiste des algorithmes, mais de lui permettre de faire des choix éclairés.

Responsabiliser les plateformes sans interdire les algorithmes

Faut-il alors interdire les algorithmes de recommandation ? Je ne le pense pas. Ce serait ignorer leurs bénéfices pour la découverte d’informations, la diffusion des connaissances et la mise en relation entre personnes partageant des centres d’intérêt.

En revanche, leur sophistication croissante doit s’accompagner de responsabilités proportionnées à leur influence. Cette responsabilité repose, selon moi, sur trois exigences complémentaires.

La première concerne la transparence : les plateformes doivent expliquer les principaux paramètres qui déterminent la sélection et le classement des contenus, sans prétendre divulguer chaque détail technique.

La deuxième concerne la maîtrise de l’expérience : les utilisateurs doivent pouvoir exprimer leurs choix et agir effectivement sur leurs recommandations. Une préférence clairement formulée mérite davantage de considération qu’une intention déduite d’un comportement ambigu.

La troisième concerne la vérification de l’efficacité des protections : annoncer des dispositifs de prévention ne suffit pas. Les plateformes doivent pouvoir démontrer, à partir d’éléments contrôlables, qu’elles réduisent les risques identifiés.

Le sujet n’est donc pas de choisir entre innovation technologique et protection des utilisateurs, mais de définir les conditions dans lesquelles l’innovation peut se poursuivre sans soustraire les plateformes à leurs responsabilités.

Cette question intéresse aussi les entreprises, les institutions, les médias et les professionnels dont la visibilité dépend de systèmes de distribution qu’ils ne contrôlent pas. À mesure que les plateformes deviennent des intermédiaires majeurs de l’accès à l’information, leur responsabilité doit également prendre en compte les effets de leur sélection et de leur amplification.


FAQ : comprendre les algorithmes des réseaux sociaux

Comment fonctionnent les algorithmes de recommandation des réseaux sociaux ?

Les algorithmes de recommandation sélectionnent et classent les publications en utilisant différents signaux, notamment les abonnements, les interactions, les informations disponibles sur les contenus et les comportements de consultation. Les mécanismes précis varient selon les plateformes. L’objectif est généralement de proposer des publications estimées pertinentes pour chaque utilisateur.

Pourquoi voit-on des publications de personnes que l’on ne suit pas ?

Les réseaux sociaux proposent de plus en plus de contenus issus de comptes extérieurs au réseau de relations des utilisateurs. Leurs systèmes de recommandation identifient des publications susceptibles de correspondre à des centres d’intérêt supposés. Un abonnement n’est donc plus systématiquement nécessaire pour qu’une publication apparaisse dans un fil d’actualité.

Comment l’intelligence artificielle influence-t-elle l’algorithme de LinkedIn ?

LinkedIn utilise notamment des modèles de langage et des systèmes d’analyse des interactions pour mieux rapprocher les profils professionnels des contenus publiés. Ces technologies peuvent identifier des correspondances sémantiques entre des sujets, même lorsque les publications proviennent de personnes extérieures au réseau de l’utilisateur. Elles ne garantissent toutefois pas la visibilité d’un contenu particulier.

Qu’est-ce que l’effet rabbit hole sur TikTok ?

L’effet rabbit hole désigne une dynamique dans laquelle les recommandations successives exposent progressivement un utilisateur à des contenus similaires. Ce mécanisme peut faciliter la découverte d’informations, mais une exposition excessive et répétée à certains contenus sensibles peut présenter des risques, notamment pour les personnes vulnérables.

Le Digital Services Act oblige-t-il les réseaux sociaux à modifier leurs algorithmes ?

Le DSA n’interdit pas les algorithmes de recommandation. Il impose notamment aux très grandes plateformes des obligations de transparence, d’évaluation et de réduction des risques systémiques. Lorsque des manquements sont établis, ces obligations peuvent conduire à des modifications des systèmes de recommandation. Le texte prévoit également une option de recommandation ne reposant pas sur le profilage.

Peut-on désactiver les recommandations algorithmiques sur les réseaux sociaux ?

Cela dépend de la plateforme. Certaines proposent des fils centrés sur les comptes suivis ou des options permettant de réduire la personnalisation. Il n’existe cependant pas de commande universelle supprimant tous les mécanismes de classement algorithmique. Les fonctionnalités disponibles, leur portée et leurs effets doivent être examinés service par service.


Conclusion : les réseaux sociaux ont changé. Leurs responsabilités doivent suivre.

Les réseaux sociaux continuent de permettre les échanges, les découvertes et les relations entre utilisateurs. Mais leur fonctionnement ne repose plus principalement sur la consultation des publications provenant des comptes suivis. Les algorithmes déterminent désormais une part importante des contenus que nous découvrons.

L’évolution des recommandations de LinkedIn illustre les possibilités offertes par l’intelligence artificielle pour identifier des contenus professionnels pertinents. Les procédures concernant TikTok et Meta soulèvent une autre question : celle des conséquences potentiellement préjudiciables des mécanismes de recommandation et des responsabilités qui en découlent.

Ces situations ne doivent pas être confondues. Elles révèlent néanmoins une transformation commune. Les plateformes exercent un pouvoir de sélection dont les effets dépassent largement les questions techniques.

À mon sens, le véritable enjeu n’est pas de supprimer les algorithmes, mais de faire en sorte que leur pouvoir de recommandation s’accompagne d’une responsabilité vérifiable. Cela suppose davantage de transparence, des possibilités réelles de contrôle pour les utilisateurs et des dispositifs de prévention dont l’efficacité puisse être évaluée.

Car une plateforme ne devrait pas pouvoir se contenter d’affirmer qu’elle protège ses utilisateurs. Elle doit pouvoir démontrer comment elle le fait et avec quels résultats.

Et vous, préférez-vous découvrir des contenus sélectionnés pour vous par les algorithmes, ou retrouver un fil d’actualité principalement composé des publications des comptes que vous avez choisi de suivre ?

Partagez votre expérience et votre point de vue en commentaire.

🌐Pour prolonger cette réflexion, retrouvez également l’épisode 98 de QSNTALKS consacré à la transformation des réseaux sociaux et aux nouvelles responsabilités des plateformes 👉 Réseaux sociaux : quand les algorithmes prennent le contrôle.


Annexe : sources et références documentaires

  1. LinkedIn Engineering, Engineering the next generation of LinkedIn’s Feed (12 mars 2026)
  2. Commission européenne, Conclusions préliminaires concernant le fil « Pour toi » (6 novembre 2026)
  3. Commission européenne, Conclusions préliminaires concernant la conception addictive de TikTok (6 février 2026)
  4. Jugement du Nouveau-Mexique concernant Meta (6 août 2026)
  5. Meta, déclaration auprès de la SEC (30 septembre 2026)
  6. Business Insider, recul des contenus d’amis (avril 2025)
  7. QSN-DigiTal, Baisse de l’engagement sur les réseaux sociaux (2024)
  8. QSN-DigiTal, Effet Rabbit Hole (2024)
  9. QSN-DigiTal, Impacts psycho-sociaux des réseaux sociaux (2025)
  10. QSN-DigiTal, Algorithme TikTok (2022)

Frédéric Foschiani – Consultant, Formateur & Conférencier

Expert en stratégies d’influence numérique, Réseaux sociaux, e-réputation et IA pour la communication au service de la visibilité, de la confiance et de la performance des organisations.

Donnez plus d’impact, de cohérence et de performance à votre communication digitale

  • Accompagnement sur-mesure des entreprises (privé, public), dirigeants, personnalités publiques.
  • Stratégie et formations social media : tous réseaux • community management • communication • marque employeur • employee advocacy • recrutement • contenus • campagnes sponsorisées • Ghostwriting pour Dirigeant, Chartes réseaux sociaux
  • Formations IA pour la communication, risques réputationnels liés à l’IA, Chartes IA

Un projet, un besoin ou une problématique à résoudre ? Échangeons.


Prenons rendez-vous

Demande Frédéric Foschiani en contact sur LinkedIN

Bannière de QSN-DigiTal présentant Frédéric Foschiani, expert en stratégies d’influence numérique, réseaux sociaux, e-réputation et intelligence artificielle. Trois photos illustrent ses interventions dans les médias BFM TV, LCI et RMC. Le visuel présente également son livre « BRAND GEO – Gouverner sa représentation à l’ère des moteurs de réponse », consacré à la manière dont les moteurs de réponse fondés sur l’IA construisent la représentation numérique des organisations et aux stratégies permettant de la gouverner. L’ouvrage est disponible en version papier et Kindle.