Des scientifiques pensent pouvoir prédire la viralité des photos sur Facebook

Comment prédire les images qui feront le buzz sur les réseaux sociaux ? Alors que certains contenus ne sont que très peu diffusés, d’autres atteignent des millions de partages. Jusqu’à maintenant, les chercheurs avaient échoué dans leurs tentatives de prédiction. Mais une équipe pense avoir identifié certains facteurs significatifs pour prévoir la viralité d’une image.

Une équipe de chercheurs de l’Université de Stanford, de l’Université de Cornell, et de Facebook, présente aujourd’hui une étude sur la prédiction des partages, à l’occasion de la conférence internationale World Wide Web à Séoul.

En utilisant plus de 150 000 photos postées sur Facebook, et en traquant ces images pendant une période de 28 jours suivant leur publication, les scientifiques sont parvenus à mettre en évidence des facteurs significatifs pour prédire le nombre de partages.

En termes scientifiques**,** les chercheurs se sont intéressés à ce qu’ils nomment des « cascades » de partages : sur la plupart des réseaux sociaux, les utilisateurs peuvent reposter les contenus d’autres utilisateurs. D’utilisateurs en utilisateurs, il peut alors se produire une large diffusion d’un contenu, par viralité, ce que les scientifiques appellent une « cascade ».

Les cascades ont déjà été étudiées pour différents supports : pour les blogs, les emails, les publicités, et les réseaux sociaux comme Twitter ou Facebook. Un nombre de recherches croissant s’est intéressé à les caractériser, au regard de leurs contenus et de leurs structures.

Des travaux précédents suggéraient que la portée d’une cascade était imprédictible. Cette étude, contrairement aux recherches précédentes qui tentaient de faire des prédictions à partir des conditions initiales, montre qu’il est possible de traquer une cascade et de prédire à chaque étape son évolution vers l’étape suivante.

Le résultat principal consiste à dire que les photos qui comportent un nombre de partages initial important ont une probabilité plus grande d’être largement diffusées. En d’autres termes, plus vite un contenu est partagé, plus il devient viral.

Ainsi, il serait possible de prédire avec 8 chances sur 10 quand le nombre de partages d’une image va doubler. Et plus le nombre de partages est important, plus l’évolution d’une cascade est prédite avec fiabilité.

Impossible cependant de donner la recette miracle qui garantirait la viralité d’un contenu. Pour Jure Leskovec, qui a participé à l’étude, « Même si vous avez la meilleure image de chat, cela pourrait fonctionner pour votre réseau, mais pas pour vos collègues universitaires » . L’essentiel étant, pour Jure Leskovec, de « comprendre votre réseau » .

L’étude présente aussi plusieurs biais : celle-ci a été menée exclusivement sur Facebook, et plus précisément sur les photos, un contenu qui tend à être largement partagé. Il est donc encore difficile de généraliser ces résultats aux autres réseaux sociaux.

Les futures recherches devront aussi s’intéresser aux interactions entre les cascades. Par exemple, il est probable que des utilisateurs soient exposés à la même photo à travers différentes cascades, et donc en des moments différents, ce qui pourrait expliquer pourquoi les partages plus tardifs ont moins d’influence que ceux qui surviennent initialement.

Les chercheurs affirment que ce genre d’étude permettra « une meilleure compréhension de la façon dont l’information se propage en ligne, [ce qui]ouvre la voie à une meilleure gestion des partages des contenus sociaux, et à des applications qui permettraient d’identifier très tôt les contenus populaires » .

Les cascades de partages représentent un champ d’investigation scientifique qui peut intéresser les entreprises propriétaires de réseaux sociaux, et les médias. Par exemple, le New York Times Lab a initié en 2011 le projet Cascades , pour comprendre comment les contenus sont partagés sur le web. Initialement voué à étudier la diffusion des contenus du New York Times, les applications qui en découleraient pourraient être utiles à toute plateforme de publication internet.

Antoine Bonvoisin pour La tête au carré.