Une expérience menée par Ouest-France révèle comment un robot laissé libre de naviguer sur TikTok pendant 100 heures a progressivement dérivé vers des contenus extrémistes. L’algorithme de recommandation a guidé l’intelligence artificielle vers des vidéos conspirationnistes et radicales, illustrant les biais des systèmes de recommandation automatisés.
L’enquête démontre avec une précision troublante la capacité des algorithmes de recommandation à créer des bulles informationnelles toxiques. En moins de quatre jours de navigation continue, le robot d’Ouest-France s’est retrouvé exposé à un flux constant de contenus problématiques, malgré un profil initialement neutre.
Cette expérimentation intervient dans un contexte de préoccupations croissantes autour de la modération des contenus sur les plateformes sociales. La Commission européenne a d’ailleurs ouvert plusieurs enquêtes contre TikTok depuis l’entrée en vigueur du Digital Services Act en 2024, pointant spécifiquement les risques liés aux systèmes de recommandation algorithmique.
Méthodologie : un robot programmé pour simuler un utilisateur lambda
Le protocole expérimental mis en place par Ouest-France reproduit fidèlement le comportement d’un utilisateur standard de TikTok. Le robot a été programmé pour faire défiler les vidéos à un rythme naturel, s’arrêter occasionnellement sur certains contenus et interagir de manière mesurée avec la plateforme.
Demon Slayer : un fan reçoit un deck de cartes dessiné à la main, la communauté anime salue le geste
Initialement, l’algorithme a proposé un mélange équilibré de contenus divertissants : danses virales, clips humoristiques et tutoriels créatifs. Cette phase de “découverte” correspond au comportement habituel de TikTok avec les nouveaux utilisateurs, où la plateforme teste différents types de contenus pour identifier les préférences.
La bascule s’est opérée vers la vingtième heure de navigation. Le robot a commencé à recevoir des recommandations de vidéos aux titres accrocheurs mettant en doute des faits établis. L’algorithme a interprété les temps de visionnage légèrement plus longs sur ces contenus comme un signal d’engagement positif.
Cette dérive progressive illustre un phénomène documenté par plusieurs études académiques : les algorithmes de recommandation tendent à pousser vers des contenus de plus en plus polarisants pour maintenir l’attention de l’utilisateur. Le Center for Countering Digital Hate a publié en 2025 des conclusions similaires sur YouTube et Instagram.
TikTok face aux 150 millions d’utilisateurs européens et leurs données
L’ampleur du problème dépasse le cas français. TikTok revendique plus de 150 millions d’utilisateurs actifs mensuels en Europe, dont une majorité d’adolescents et de jeunes adultes particulièrement vulnérables aux contenus de désinformation.
La plateforme chinoise collecte quotidiennement des téraoctets de données comportementales sur ces utilisateurs : temps passé sur chaque vidéo, interactions, partages, mais aussi données techniques comme l’heure de connexion ou la géolocalisation. Ces informations alimentent un système d’apprentissage automatique qui affine en permanence ses recommandations.
Shou Zi Chew, PDG de TikTok, a défendu devant le Parlement européen en septembre 2025 l’efficacité des systèmes de modération de l’entreprise. Il a évoqué 40 000 modérateurs dans le monde et des investissements de plusieurs milliards d’euros dans l’intelligence artificielle de détection de contenus problématiques.
Pourtant, l’expérience d’Ouest-France suggère que ces dispositifs restent insuffisants face à la sophistication des mécanismes de recommandation. L’algorithme semble capable de contourner les garde-fous en proposant des contenus aux limites de l’acceptable, qui préparent progressivement l’utilisateur à des messages plus radicaux.
Les algorithmes de recommandation sous surveillance réglementaire européenne
Le Digital Services Act, entré pleinement en application en 2024, impose aux très grandes plateformes en ligne une obligation de transparence sur leurs systèmes algorithmiques. TikTok doit désormais publier des rapports trimestriels détaillant les mesures prises pour limiter la diffusion de contenus illégaux ou préjudiciables.
Thierry Breton, commissaire européen au Marché intérieur, a annoncé en octobre 2025 le lancement d’une évaluation des risques spécifiquement centrée sur les algorithmes de recommandation. Cette démarche fait suite à des signalements répétés d’associations de protection de l’enfance dans plusieurs États membres.
L’enjeu technique est complexe. Les algorithmes d’apprentissage automatique fonctionnent par optimisation continue : ils cherchent à maximiser l’engagement des utilisateurs, mesuré principalement par le temps passé sur l’application. Cette logique entre structurellement en conflit avec l’objectif de proposer une information équilibrée et vérifiée.
Meta a commencé à expérimenter sur Instagram des algorithmes “désoptimisés” qui privilégient la diversité des contenus au détriment de l’engagement pur. Les premiers résultats, communiqués en novembre 2025, montrent une baisse de 12 % du temps moyen passé sur l’application, mais une amélioration notable de la satisfaction utilisateur mesurée par sondages.
Vers une remise en cause du modèle économique des plateformes sociales
L’expérimentation d’Ouest-France pose une question fondamentale sur la viabilité du modèle publicitaire qui sous-tend les réseaux sociaux. Plus un utilisateur reste connecté longtemps, plus il génère de revenus publicitaires. Cette équation incite mécaniquement les plateformes à développer des algorithmes de plus en plus efficaces pour capter l’attention.
Plusieurs parlementaires européens plaident pour une régulation plus stricte de ces mécanismes. La députée française Laure de La Raudière a déposé en décembre 2025 un amendement visant à interdire les systèmes de recommandation basés uniquement sur l’optimisation de l’engagement pour les utilisateurs mineurs.
TikTok a réagi à l’enquête d’Ouest-France en annonçant le déploiement d’un “mode navigation équilibrée” qui limite volontairement les recommandations de contenus similaires. Cette fonctionnalité, encore en phase de test dans cinq pays européens, pourrait devenir obligatoire si la Commission européenne durcit sa réglementation sur les algorithmes de recommandation.
