Sur Wikipédia, les recommandations reposent d’abord sur les liens entre les articles et sur des outils de découverte, plutôt que sur un profil individuel construit à partir de vos habitudes. Cette différence façonne l’expérience de lecture : l’encyclopédie vous propose des chemins thématiques, tandis que les plateformes commerciales cherchent souvent à adapter leurs suggestions à chaque utilisateur. Pour comprendre ce modèle, nous devons distinguer les mécanismes visibles, les outils développés par la communauté et les pistes technologiques encore explorées.
- La navigation par liens internes relie les sujets et permet de passer d’un article à un autre.
- Les outils de recommandation peuvent aider à découvrir des pages ou à contribuer, sans correspondre à un système unique appliqué à toute l’encyclopédie.
- Les enjeux majeurs concernent la neutralité encyclopédique, les biais algorithmiques, la transparence et la protection des données.
Nous suivrons le parcours de Léa, lectrice qui consulte un article sur la Renaissance, pour examiner ce qui relève des liens éditoriaux, de la recherche et des systèmes automatisés. Cette distinction évite de confondre une suggestion de lecture avec une personnalisation comparable à celle d’un service de vidéo ou de commerce en ligne.
Comment fonctionnent les algorithmes de recommandation sur Wikipédia
Lorsque Léa ouvre un article sur la Renaissance, elle rencontre d’abord des liens intégrés au texte : noms d’artistes, villes, œuvres, événements et notions. Ces renvois sont généralement choisis par les personnes qui rédigent et révisent l’article. Ils constituent un réseau de navigation riche, mais ne sont pas, à eux seuls, la preuve qu’un algorithme a analysé son profil ou calculé ses goûts.
Cette nuance est essentielle. Wikipédia ne se présente pas comme un service doté d’un moteur unique qui personnaliserait chaque page d’accueil à partir de l’ensemble des lectures individuelles. Les fonctions de recommandation varient selon les outils, les interfaces et les projets Wikimedia. Certaines servent à repérer des articles liés ou à accompagner les contributeurs, tandis que la navigation habituelle s’appuie largement sur les liens, les catégories, la recherche et les portails thématiques.
Liens, catégories et proximité entre les sujets
Les liens internes créent des parcours compréhensibles sans avoir besoin d’un calcul opaque. Depuis la Renaissance, Léa peut ouvrir une page sur Léonard de Vinci, puis consulter des articles consacrés à la peinture, à Florence ou aux sciences de l’époque. Les catégories et les pages de portail complètent ce maillage en regroupant des sujets selon des critères éditoriaux.
Les outils automatisés peuvent exploiter des propriétés du contenu, comme les liens présents entre deux pages ou les éléments associés dans Wikidata. On peut alors estimer qu’un article est proche d’un autre parce qu’ils partagent des entités, des thèmes ou des relations. Cette méthode s’appuie sur la structure documentaire ; elle ne signifie pas nécessairement que les données de navigation de Léa sont enregistrées afin de lui bâtir un profil.
Des usages distincts selon les outils
Le mot « recommandation » recouvre plusieurs réalités : proposer une lecture connexe, signaler une page à améliorer à un bénévole, ou suggérer une tâche à une personne qui contribue. Ces usages ne doivent pas être amalgamés. Les projets Wikimedia développent et testent des fonctionnalités différentes, dont la disponibilité peut varier selon la langue, l’application ou l’espace de travail.
Pour notre lectrice, le chemin le plus courant demeure donc une exploration guidée par les connexions visibles dans l’encyclopédie. Cette organisation laisse une large place à la curiosité : une page peut ouvrir sur un thème inattendu sans que le système déduise une préférence personnelle. Sur Wikipédia, le réseau documentaire est souvent plus déterminant que la personnalisation individuelle.
Wikipédia face aux recommandations de YouTube, Netflix et Amazon
Comparer Wikipédia à YouTube, Netflix ou Amazon aide à comprendre les objectifs différents qui orientent leurs systèmes. Les plateformes commerciales disposent de mécanismes conçus pour proposer des vidéos, des films ou des produits susceptibles d’intéresser une personne. Elles peuvent tenir compte d’interactions telles que les recherches, les achats, les évaluations ou les contenus consultés, selon leurs règles et leurs paramètres.
Wikipédia a une autre mission : rendre accessible une encyclopédie collaborative, rédigée selon des règles éditoriales et consultable sans obligation de créer un compte. Les liens entre articles servent avant tout à éclairer les sujets et à permettre de vérifier le contexte. Une suggestion n’a donc pas la même finalité qu’une recommandation destinée à prolonger une session de visionnage ou à déclencher un achat.
| Service | Exemple de mécanisme | Objectif fréquent | Point d’attention |
|---|---|---|---|
| Wikipédia | Liens internes, catégories, outils de découverte | Faciliter l’accès aux connaissances | Préserver la diversité des sujets et la neutralité |
| YouTube | Suggestions de vidéos fondées sur divers signaux | Proposer des contenus susceptibles d’intéresser l’audience | Éviter une exposition répétitive ou trop étroite |
| Netflix | Classement et suggestions de films ou séries | Aider à choisir un programme adapté | Rendre lisibles les critères et les réglages disponibles |
| Amazon | Suggestions de produits associées à la consultation et aux achats | Faciliter la découverte de produits | Comprendre l’usage des informations personnelles |
Ce tableau décrit des orientations générales, pas une règle identique pour chaque service ni une liste exhaustive des données utilisées. Les plateformes font évoluer leurs systèmes et leurs paramètres. Pour situer plusieurs modèles de recommandation dans le paysage numérique, nous pouvons consulter cette présentation des sites web qui utilisent des algorithmes de recommandation.
Un exemple rend la différence concrète. Si Léa regarde plusieurs vidéos sur les fresques de la Renaissance, un service de streaming peut s’appuyer sur son activité récente pour lui proposer d’autres vidéos du même genre. Sur Wikipédia, la page consacrée à une fresque renvoie surtout à son artiste, à son lieu et à son contexte historique. Le premier parcours peut s’adapter à l’activité individuelle ; le second rend les liens documentaires visibles à tous les lecteurs.
Il ne faut pas en déduire que toute personnalisation commerciale est nécessairement nocive, ni que les liens encyclopédiques sont exempts de biais. Les systèmes répondent à des objectifs distincts et doivent être évalués selon leurs effets. La question utile n’est pas seulement « que recommande le système ? », mais « dans quel but, à partir de quels signaux et avec quelles conséquences ? »
Cette comparaison conduit naturellement à examiner les risques propres aux suggestions, même lorsqu’elles s’appuient surtout sur le contenu plutôt que sur un profil personnel.
Biais algorithmiques, neutralité encyclopédique et diversité des contenus
Un système de recommandation ne crée pas toujours les inégalités qu’il révèle, mais il peut les amplifier. Si un article est déjà très consulté, une logique fondée sur la popularité risque de le rendre encore plus visible. À l’inverse, une page consacrée à une personnalité locale, à une langue minoritaire ou à une tradition peu documentée peut rester difficile à découvrir, même si elle apporte une information pertinente.
Sur Wikipédia, ces déséquilibres peuvent commencer avant toute automatisation. La couverture des sujets dépend du nombre de contributeurs, des sources disponibles et des pratiques éditoriales. Des régions ou des cultures moins représentées dans les communautés de rédaction peuvent donc être décrites de façon moins complète. Un outil qui classe les contenus à partir de leur volume de liens ou de consultations pourrait reprendre ces écarts au lieu de les corriger.
Trois formes de déséquilibre à surveiller
- Biais géographique : certaines régions disposent d’une couverture documentaire plus abondante que d’autres. Une suggestion basée sur les pages les plus complètes risque alors de privilégier les premières.
- Biais culturel : les références les plus présentes dans les sources dominantes peuvent gagner en visibilité, tandis que des traditions moins traduites ou moins étudiées restent en marge.
- Biais de popularité : les articles très consultés peuvent occuper une place disproportionnée dans les listes de contenus associés, au détriment de sujets rares mais utiles pour comprendre un thème.
La neutralité encyclopédique ne signifie pas que chaque sujet bénéficie d’une visibilité strictement égale, ni que toutes les interprétations se valent. Elle repose notamment sur la qualité des sources, la vérifiabilité et la présentation équilibrée des points de vue pertinents. Un outil de recommandation doit donc éviter de transformer la popularité en indicateur automatique d’importance ou de vérité.
Imaginons que Léa consulte une page consacrée à une période historique largement étudiée en Europe. Si les contenus suggérés ne mènent qu’à des personnalités et événements européens, son parcours peut donner une image incomplète de la période à l’échelle mondiale. Une sélection plus attentive pourrait faire apparaître des connexions liées aux échanges, aux empires, aux sciences ou aux sociétés contemporaines dans d’autres régions, lorsque les liens et les sources le justifient.
Pour limiter ces effets, les équipes et communautés peuvent examiner les critères de classement, comparer les résultats obtenus selon les langues et repérer les thèmes rarement proposés. Les décisions éditoriales restent déterminantes : enrichir un article, corriger un lien ou documenter une perspective sous-représentée agit sur la qualité du réseau lui-même. Des audits réguliers et une procédure permettant de signaler une suggestion problématique rendent cette vigilance plus concrète.
La diversité des contenus ne se mesure pas seulement au nombre d’articles affichés. Il faut aussi considérer leur pertinence, leur qualité documentaire, la variété des sujets et la possibilité pour le lecteur de comprendre pourquoi ils sont rapprochés. Un bon système ne transforme pas les habitudes majoritaires en unique itinéraire possible.
Données de navigation, protection des données et transparence
Parler de recommandations conduit à poser une question concrète : quelles informations sont nécessaires pour suggérer une page ? Un système peut fonctionner à partir du contenu d’un article, de catégories ou de relations enregistrées dans une base structurée. Un autre peut utiliser des données de navigation ou des interactions individuelles. Ces méthodes n’ont pas les mêmes conséquences pour la vie privée et ne doivent pas être présentées comme équivalentes.
Wikipédia est consultable sans compte, et la lecture ordinaire ne suppose pas la création d’un profil personnel destiné à personnaliser chaque page. Cela ne signifie pas qu’aucune donnée technique n’est jamais traitée : les services en ligne doivent assurer leur fonctionnement et leur sécurité. Il faut donc distinguer les journaux techniques, les réglages liés à un compte et les données spécifiquement utilisées pour produire des suggestions personnalisées.
Évaluer la collecte selon son utilité
Avant d’ajouter une fonctionnalité, une équipe devrait préciser les données nécessaires, leur durée de conservation, les personnes autorisées à y accéder et les possibilités de contrôle offertes aux utilisateurs. Si une suggestion peut être produite grâce aux liens déjà présents dans les articles, l’emploi de l’historique individuel demande une justification claire. La minimisation des données réduit les risques sans empêcher toute amélioration technique.
La protection des données concerne aussi la compréhension du dispositif. Les lecteurs doivent pouvoir savoir si une suggestion dépend du contenu consulté, d’un paramètre de compte ou d’un classement général. Une explication accessible vaut mieux qu’une formule vague sur « l’intelligence artificielle » : elle permet à chacun d’évaluer le bénéfice, les limites et les choix disponibles.
Pour illustrer cette distinction, prenons un outil qui recommande à Léa des pages à partir des liens présents dans l’article ouvert. Il peut établir des connexions sans retenir qu’elle a consulté ces pages la veille. Un autre outil pourrait mémoriser temporairement ses lectures pour reprendre un parcours interrompu. Le second apporte une commodité supplémentaire, mais implique des choix de conservation et de contrôle qui doivent être explicités.
La transparence ne consiste pas uniquement à publier le nom d’un modèle technique. Elle suppose d’expliquer les critères importants, les limites connues, les voies de signalement et la manière dont les erreurs sont corrigées. Les utilisateurs n’ont pas besoin de maîtriser le code source pour comprendre pourquoi une page apparaît dans une liste ou comment désactiver une option personnalisée.
La réflexion rejoint celle menée sur l’identité numérique : les traces produites en ligne peuvent, selon leur nature et leur agrégation, révéler davantage que prévu. Nous pouvons approfondir cette notion avec ce guide sur les éléments qui composent l’identité numérique. Pour une encyclopédie ouverte, le principe directeur reste simple : recueillir le minimum nécessaire et rendre les usages intelligibles.
La confiance dépend autant de la sobriété des données collectées que de la capacité à expliquer leur éventuel emploi. Cette exigence rejoint la gouvernance numérique, c’est-à-dire la façon dont les communautés définissent, contrôlent et révisent les règles techniques.
Au-delà de la confidentialité, la manière dont les outils sont décidés et évalués détermine leur légitimité auprès des lecteurs et des bénévoles.
Évolution des recommandations sur Wikipédia et gouvernance numérique
Les techniques de traitement du langage et les bases de données structurées ouvrent des possibilités nouvelles pour relier des articles. Wikidata, par exemple, organise des informations sous forme de relations entre des éléments : une personne peut être associée à une œuvre, une ville, une période ou une profession. Ces connexions peuvent aider à repérer des rapprochements que les seuls liens d’un article ne rendent pas toujours visibles.
Il faut distinguer ces possibilités d’une généralisation déjà acquise. Le fait qu’un outil puisse analyser des relations sémantiques ne signifie pas que Wikipédia utilise partout un système uniforme de réseaux neuronaux pour recommander des pages aux lecteurs. Les projets Wikimedia expérimentent des fonctions différentes, et les choix dépendent de besoins précis, de leur évaluation et des décisions de la communauté.
Innover sans confondre pertinence et profilage
Une fonction utile pourrait, par exemple, proposer à Léa plusieurs pistes après sa lecture : une biographie, une œuvre, une notion scientifique ou un article sur le contexte politique. Pour être équilibrée, cette sélection devrait expliquer les liens proposés et éviter de réduire l’exploration à une seule catégorie. Les critères peuvent privilégier la proximité thématique, tout en réservant une place à des sujets connexes moins évidents.
Les outils d’apprentissage automatique peuvent aider à détecter des relations ou à repérer des lacunes, mais leur résultat doit être vérifié. Une association statistique entre deux pages ne prouve pas qu’elles sont équivalentes ni qu’un lien éditorial est pertinent. La révision humaine reste nécessaire pour contrôler les sources, les contextes et les effets d’un classement sur la visibilité des sujets.
Une approche responsable pourrait offrir des filtres simples : afficher les pages liées directement, explorer une catégorie, ou demander des suggestions plus larges. Le lecteur garde alors la maîtrise de son parcours au lieu de subir un classement invisible. Les contributeurs, eux, pourraient disposer d’outils distincts destinés à repérer les pages à améliorer, sans confondre ces recommandations de travail avec celles proposées au public.
Une gouvernance ouverte et vérifiable
La gouvernance numérique implique de déterminer qui fixe les objectifs d’un système, qui examine ses effets et comment les personnes concernées peuvent contester un résultat. Dans l’écosystème Wikimedia, cette réflexion doit associer les équipes techniques, les communautés de bénévoles et les lecteurs. Une documentation publique, des essais compréhensibles et des mécanismes de retour permettent d’ancrer les décisions dans des usages réels.
On peut évaluer un outil à l’aide de critères concrets : les suggestions sont-elles pertinentes pour plusieurs langues ? Les articles moins populaires restent-ils découvrables ? Les explications sont-elles accessibles ? Les réglages sont-ils simples ? Les données personnelles sont-elles limitées au strict besoin ? Ces questions donnent un cadre pratique à la transparence et aident à repérer une dérive avant qu’elle ne devienne structurelle.
Pour Léa, l’évolution idéale n’est pas nécessairement une encyclopédie qui anticipe chacun de ses goûts. C’est un environnement où les connexions sont utiles, compréhensibles et assez variées pour soutenir l’exploration autonome. L’innovation a sa place lorsque la communauté peut en comprendre les critères, en évaluer les effets et en corriger les limites.
Cette exigence distingue une recommandation au service de la connaissance d’un classement dont les objectifs resteraient invisibles. Elle invite à concevoir les outils comme des aides à la découverte et non comme des substituts au jugement éditorial ou à la curiosité du lecteur.
Comparer avec le fonctionnement des recommandations chez Dropbox.
