Algorithmes de recommandation et bulles de filtres

Les algorithmes de recommandation fonctionnent de manière invisible, ce qui rend leur impact difficile à saisir par la simple théorie. En impliquant les élèves dans des activités concrètes comme des simulations ou des comparaisons, on transforme un concept abstrait en expérience tangible, favorisant ainsi une compréhension durable et critique.

• 5ème
• Exploration Numérique et Domotique : Le Monde Connecté
• 4 activités
• 15 min–25 min

Objectifs d’apprentissage

1. Comparer les contenus affichés sur les fils d'actualité de deux utilisateurs différents pour identifier les variations dues aux algorithmes.
2. Expliquer le mécanisme de fonctionnement d'un algorithme de recommandation en citant au moins trois types de données collectées.
3. Analyser l'impact potentiel d'une bulle de filtres sur la perception de l'information et la formation des opinions.
4. Proposer et argumenter au moins deux stratégies concrètes pour diversifier les sources d'information et échapper à une bulle de filtres.

Étude de cas

⏱ 20 min·Classe entière

Expérience comparative : Deux comptes, deux mondes

L'enseignant projette les résultats de recherche ou les recommandations de deux profils fictifs aux centres d'intérêt différents sur une même plateforme. Les élèves constatent visuellement que les résultats sont radicalement différents et analysent en groupes les critères qui pourraient expliquer ces différences.

Préparation et détails

Pourquoi deux personnes ne voient-elles pas le même contenu sur le même réseau social ?

Conseil de facilitation: Pendant l'expérience comparative, guidez les élèves pour qu'ils notent méthodiquement les différences entre les deux profils créés, en insistant sur les critères de personnalisation comme l'historique ou la localisation.

Setup: Groupes de travail en îlots avec dossiers documentaires

Materials: Dossier d'étude de cas (3 à 5 pages), Grille d'analyse méthodologique, Support de présentation des conclusions

• Analyser
• Évaluer
• Créer
• Prise de décision
• Autogestion

Jeu de simulation

⏱ 25 min·Petits groupes

Jeu de simulation: L'algorithme humain

Un élève joue le rôle de l'algorithme : il reçoit les "clics" (cartes choisies) de ses camarades et doit deviner quelles cartes leur proposer ensuite. Au bout de trois tours, les "utilisateurs" remarquent que leurs choix se sont restreints. La classe discute de la mécanique de renforcement.

Préparation et détails

Comment les algorithmes influencent-ils nos opinions et nos choix ?

Conseil de facilitation: Lors de la simulation de l'algorithme humain, limitez le temps de décision à 10 secondes par choix pour reproduire la rapidité des algorithmes réels et souligner leur logique basée sur l'engagement.

Setup: Espace modulable avec différents îlots de travail

Materials: Fiches de rôle avec objectifs et ressources, Monnaie fictive ou jetons de jeu, Tableau de suivi des tours

• Appliquer
• Analyser
• Évaluer
• Créer
• Conscience sociale
• Prise de décision

Penser-Partager-Présenter

⏱ 15 min·Binômes

Penser-Partager-Présenter: Ma bulle à moi

Chaque élève note les trois derniers sujets que sa plateforme préférée lui a recommandés. En binôme, ils comparent leurs recommandations et identifient les différences. La classe discute ensuite de ce que ces recommandations révèlent sur leurs habitudes numériques.

Préparation et détails

Expliquez ce qu'est une bulle de filtres et proposez des stratégies pour en sortir.

Conseil de facilitation: Pendant le Penser-Partager-Présenter, imposez un temps strict de réflexion individuelle avant la discussion en binôme pour éviter que les élèves ne se contentent d'opinions spontanées sans analyse approfondie.

Setup: Disposition de classe standard ; les élèves se tournent vers leur voisin

Materials: Consigne de discussion (projetée ou distribuée), Optionnel : fiche de prise de notes pour les binômes

• Comprendre
• Appliquer
• Analyser
• Conscience de soi
• Compétences relationnelles

Étude de cas

⏱ 20 min·Petits groupes

Design Challenge : Sortir de la bulle

Chaque groupe propose trois stratégies concrètes pour diversifier son fil d'actualité (suivre des sources variées, utiliser le mode incognito, varier les requêtes). Les groupes testent mentalement chaque stratégie et évaluent sa faisabilité et son efficacité. Les meilleures idées sont compilées en guide de classe.

Préparation et détails

Pourquoi deux personnes ne voient-elles pas le même contenu sur le même réseau social ?

Setup: Groupes de travail en îlots avec dossiers documentaires

Materials: Dossier d'étude de cas (3 à 5 pages), Grille d'analyse méthodologique, Support de présentation des conclusions

• Analyser
• Évaluer
• Créer
• Prise de décision
• Autogestion

Enseigner ce sujet

Commencez par des activités qui rendent visible l'invisible, comme la création de profils fictifs ou la simulation manuelle. Évitez les explications trop théoriques en amont, car les élèves comprendront mieux après avoir vécu l'expérience. Utilisez des supports visuels (captures d'écran annotées) pour ancrer les concepts. Insistez sur le fait que les algorithmes ne sont pas neutres : ils privilégient l'engagement, pas la qualité ou la diversité.

À quoi s’attendre

Les élèves sauront identifier les mécanismes de personnalisation des algorithmes, expliquer leur impact sur la diversité des contenus et proposer des stratégies pour élargir leurs propres bulles de filtres. Leur participation active et leurs échanges montreront une prise de conscience claire des enjeux sociétaux.

Attention à ces idées reçues

Idée reçue courante

During Expérience comparative : Deux comptes, deux mondes, certains élèves pensent que les différences entre les deux profils sont dues au hasard ou à une erreur technique.

Ce qu'il faut enseigner à la place

Pendant cette activité, insistez sur le fait que les différences sont systématiques et liées aux données utilisées par les algorithmes (historique, localisation, interactions). Utilisez les captures d'écran annotées pour montrer les traces de personnalisation (ex : publicités ciblées, recommandations basées sur des recherches précédentes).

Idée reçue courante

During Simulation : L'algorithme humain, les élèves croient que les algorithmes recommandent le contenu le plus intéressant ou le plus utile.

Ce qu'il faut enseigner à la place

Pendant la simulation, rappelez aux élèves que chaque choix doit privilégier ce qui capte l'attention (temps de visionnage, likes), pas ce qui est de qualité ou varié. Après l'activité, comparez les résultats des groupes pour montrer que les choix convergent vers des contenus similaires, illustrant la logique des algorithmes.

Idée reçue courante

During Penser-Partager-Présenter : Ma bulle à moi, les élèves pensent que les bulles de filtres ne concernent que les réseaux sociaux.

Ce qu'il faut enseigner à la place

Pendant le Penser-Partager-Présenter, élargissez la discussion à d'autres plateformes (moteurs de recherche, applications d'actualité) en utilisant des exemples concrets (ex : résultats de recherche Google différents selon les utilisateurs). Demandez aux élèves de lister des plateformes où ils ont remarqué une personnalisation du contenu.

Idées d'évaluation

Billet de sortie

After Expérience comparative : Deux comptes, deux mondes, demandez aux élèves de rédiger un court texte expliquant une différence majeure entre les deux profils et en identifiant au moins une donnée utilisée par l'algorithme pour personnaliser le contenu.

Question de discussion

During Penser-Partager-Présenter : Ma bulle à moi, posez la question suivante : 'Si votre fil d'actualité ne montrait que des contenus sur un seul sujet, comment pourriez-vous diversifier ce que vous voyez ?' Utilisez leurs réponses pour évaluer leur capacité à proposer des stratégies concrètes pour sortir de leur bulle.

Vérification rapide

After Design Challenge : Sortir de la bulle, présentez deux captures d'écran de fils d'actualité simulés et demandez aux élèves d'identifier deux différences majeures. Évaluez leur capacité à émettre une hypothèse sur les critères de personnalisation utilisés par les algorithmes (ex : localisation, historique de recherches).

Extensions et étayage

• Challenge : Proposez aux élèves de créer un algorithme simplifié pour une plateforme fictive, en définissant eux-mêmes les critères de recommandation et en testant son impact sur un groupe de pairs.
• Scaffolding : Pour les élèves en difficulté, fournissez des exemples concrets de contenus similaires sur une plateforme connue (ex : YouTube) et demandez-leur d'identifier les points communs qui pourraient expliquer leur recommandation.
• Deeper : Invitez les élèves à interviewer un adulte sur ses habitudes numériques et à analyser comment les algorithmes influencent ses choix de consommation de contenu.

Vocabulaire clé

Algorithme de recommandation	Ensemble de règles informatiques qui sélectionne et propose des contenus (vidéos, articles, produits) à un utilisateur en fonction de ses interactions passées et de celles d'utilisateurs similaires.
Bulle de filtres	Phénomène où un utilisateur est exposé uniquement à des informations et opinions qui confirment ses propres croyances, l'isolant des points de vue divergents.
Personnalisation	Processus d'adaptation des contenus et services numériques aux préférences et au comportement de chaque utilisateur individuel.
Flux d'actualité	Séquence de publications, d'articles ou de mises à jour affichée sur une plateforme en ligne, organisée par un algorithme.