Nous nous demandions s’il était possible de contraindre l’algorithme de recommandations YouTube à un thème, et de maintenir son attention sur celui-ci pour voir si, à la longue, sa manière de traiter le thème finirait par avoir quelque chose de particulièrement signifiant.
Notre méthode s’est tenue au fait de répéter en séquence la requête http de la vidéo de base, et toutes les n vidéos recommandées, le forcer à revenir sur la première. L’extraction des données a été automatisée avec selenium et node.js.
Nous avons également fait varier cette valeur n, et cherché les différences en terme de contenu entre chaque cycle de (n + 1) vidéos.
La vidéo initiale portait sur le traitement médiatique de l’écologie.
Pour la choisir nous avons recherché un contenu proposant 2 visions opposées (débat, interview etc.) , ou des données factuelles (rapport d’experts, dépêche AFP etc).
Finalement notre sélection ne fait que confirmer qu’il y a une impossibilité de la neutralité, y compris au sein d’une institution scientifique: le GIEC produit des scénarios de possible et pondère ses prévisions en fonction de leur crédibilité auprès du grand public et des décisionnaires.
Une des possibilité de visualisation de ces recommandations, est de les considérer comme des sillons qui se creusent en se définissant de plus en plus nettement.
Pour rendre compte de ces visionnages répétitifs, nous avons mis en forme sur un même gabarit les informations extraites précédemment. Celles-ci ont été exportées dans un doc csv puis fusionnées comme données variables dans un master. L’ensemble a enfin été assemblé dans des GIFs. Ce rendu animé qui tourne sur lui même à l’infini convient aux boucles réalisées par l’algorithme, que nous forcions à revenir à la même vidéo d’origine à la fin de chaque cycle défini.
En les faisant tourner côte à côte on peut comparer les résultats du premier au dernier cycle, ceux-ci partant dans des directions assez différentes.
L'analyse même de la trajectoire revient essentiellement au lecteur.