Demande d'accès aux données au titre de l'article 40 du DSA¶
Ce que ce document est, et n'est pas
C'est un modèle prêt à déposer, pas une demande déposée. L'article 40(8)(a) du DSA réserve la qualité de chercheur agréé aux personnes affiliées à un organisme de recherche au sens de l'article 2, point 1, de la directive (UE) 2019/790. Ce dépôt, tenu par une personne seule, n'y est pas éligible en l'état : la demande ci-dessous est écrite pour être déposée par un organisme qui en remplit les conditions, et les passages à compléter sont entre crochets.
Ce que la demande a de particulier
Elle ne réclame aucun journal et aucune donnée personnelle. Elle demande quatre tableaux agrégés, dont le notebook 18 vérifie qu'ils suffisent à recalculer à l'identique les quatre mesures qui décident de tout — et qui pèsent, sur un journal réel, 95 fois moins de lignes que le journal lui-même.
Le raisonnement qui mène à cette demande¶
Trois jeux publics ont été mesurés, et aucun ne permet l'évaluation annoncée :
- MIND porte des catégories éditoriales mais pas le rang — son ordre enregistré est indiscernable d'un mélange (\(z = +0{,}12\)) ;
- Baidu-ULTR porte le rang (\(z = -206\)) mais aucune étiquette exploitable ;
- l'Open Bandit Dataset porte le rang, la propension vraie et un seau aléatoire, mais ses attributs de contenu sont anonymisés.
Il reste l'article 40. Et une demande n'est recevable que si elle est nécessaire et proportionnée — article 40(8)(e) du DSA, article 8(d) du règlement délégué (UE) 2025/2050, entré en vigueur le 29 octobre 2025. « Donnez-nous vos journaux » n'est ni l'un ni l'autre : cela réclame des données personnelles dont l'analyse n'a aucun besoin, et cela offre à la plateforme le motif de refus le plus facile — la sécurité du service et le secret des affaires, article 40(5).
D'où la forme retenue : une spécification, pas un accès.
I. Identification et base juridique¶
| Demandeur | [ORGANISME DE RECHERCHE], au sens de l'art. 2, point 1, de la directive (UE) 2019/790 |
| Chercheur principal | [NOM], [FONCTION] |
| Fournisseur de données | [PLATEFORME], désignée VLOP le [DATE] |
| Coordinateur pour les services numériques d'établissement | [AUTORITÉ] — pour la plupart des VLOPs, l'autorité irlandaise |
| Voie | article 40(4) du règlement (UE) 2022/2065, procédure du règlement délégué (UE) 2025/2050 |
| Dépôt | portail d'accès aux données du DSA (art. 3 et 5 du règlement délégué) |
Sur la voie choisie. L'article 40(12) — accès aux données publiquement accessibles, ouvert aux chercheurs affiliés à des organismes sans but lucratif — ne convient pas : les données demandées ici ne sont pas publiquement accessibles, puisque c'est précisément l'ordre servi et l'exposition qui manquent aux jeux publics. La voie 40(4) est donc la seule.
II. Objet de la recherche (art. 8(f) du règlement délégué)¶
L'objet est la détection et la mesure d'un risque systémique visé à l'article 34(1)(c) du DSA — les effets négatifs sur le discours civique — sous une forme mesurable :
Une plateforme tenue à un plancher de diversité informationnelle portant sur la composition de ses fils peut s'y conformer en enterrant les contenus divergents aux rangs que personne ne consulte. La composition reste conforme et l'exposition réelle ne l'est pas.
Ce dépôt a établi ce point par énumération exhaustive : une plateforme certifiée à 0,70 par une mesure aveugle au rang n'expose que 0,36 de diversité réelle, et fermer l'échappatoire double le coût d'engagement (rang adverse). Il a aussi établi que la correction exige de connaître l'exposition, donc le rang servi, et que l'ignorer rend l'évaluation vide par construction (MIND).
Le rang demandé doit être vérifiable, non déclaré
Un jeu public au moins fournit une colonne d'ordre qui n'est pas le rang servi, sans mentir et sans que rien ne le signale : sur EB-NeRD, l'ordre enregistré échoue au test d'échangeabilité (\(z = +1{,}05\)) alors même que le journal aurait détecté une sévérité cent trente fois plus faible. La demande porte donc sur un rang dont l'informativité se teste, et ce test est la première chose à faire sur les données livrées. → l'indice mesuré
La recherche demandée consiste à mesurer, sur les fils réellement servis par [PLATEFORME] :
- l'écart entre diversité composée et diversité exposée, par période ;
- la sévérité du biais de position propre à cette surface, plutôt que transportée d'une autre — l'étude a mesuré 1,10 sur une page de résultats et 0,04 à 0,11 sur un bandeau de trois vignettes, soit un ordre de grandeur d'écart ;
- le coût d'engagement d'un réordonnancement respectant un plancher conscient du rang, estimé par pondération d'importance et non par replay, dont l'erreur médiane mesurée atteint 201 %.
III. Données demandées (art. 8(c) du règlement délégué)¶
Quatre tableaux agrégés, au format CSV ou Parquet, pour la période [PÉRIODE] et le marché [ÉTAT MEMBRE].
Tableau 1 — profils de fils
| Colonne | Type | Description |
|---|---|---|
profil |
entier | identifiant du profil de rangs (voir tableau 1 bis) |
clics_du_fil |
entier | nombre de contenus cliqués dans le fil |
fils |
entier | nombre de fils correspondants |
Tableau 1 bis — définition des profils : profil, rang — la liste des rangs qu'occupe
chaque profil. Indexer par la seule longueur du fil serait plus court et faux dès qu'une
surface saute des rangs, ce qu'une page de résultats fait.
Tableau 2 — clics par rang
| Colonne | Type | Description |
|---|---|---|
profil |
entier | profil du fil |
clics_du_fil |
entier | nombre de contenus cliqués dans le fil |
rang |
entier | rang servi |
clics |
entier | clics observés à ce rang |
Le second index n'est pas un ornement : sans lui, les fils dont tout a été cliqué — qui ne contraignent rien — ne peuvent pas être écartés du calcul.
Tableau 3 — cellules (contenu, rang)
| Colonne | Type | Description |
|---|---|---|
contenu |
identifiant pseudonyme, stable sur la période | contenu servi |
rang |
entier | rang servi |
impressions |
entier | nombre de fois où le contenu a été servi à ce rang |
clics |
entier | clics observés |
propension |
réel, facultatif | probabilité de service, si la plateforme la connaît |
affichages |
entier | impressions effectivement affichées au lecteur |
format |
libellé | format d'affichage du contenu, catégorie déclarée par la plateforme |
La colonne affichages retire trois problèmes d'un coup
Elle est la seule addition à cette demande depuis sa rédaction, et elle vient d'une mesure : sur Baidu-ULTR, la même quantité obtenue par affichage plutôt que par clic donne \(\hat\eta = 0{,}88 \pm 0{,}05\) sur 143 documents, contre \(1{,}09 \pm 0{,}09\) sur 55. → Exposition mesurée
Sans elle, l'exposition doit être estimée à travers les clics, ce qui impose trois hypothèses dont aucune n'est vérifiable : que l'examen suive une loi de puissance, qu'il ne dépende pas de ce qui a été cliqué plus haut, et que l'attrait d'un contenu ne varie pas avec son rang. La première est fausse sur données mesurées, la deuxième est indécidable sans elle, et la troisième gonfle l'estimation de 23 %.
Elle est en outre moins sensible que les clics : savoir qu'un contenu a été affiché en dit moins sur un lecteur que savoir qu'il l'a choisi.
La colonne format sert à vérifier, non à calculer
Elle a d'abord été demandée pour une raison qui n'a pas tenu : sur Baidu-ULTR, un format enrichi au-dessus semblait retirer 8,4 points d'examen à ce qui suit. À contenu tenu fixe, il n'en reste que 6 %, et l'incidence sur l'indice tombe à \(0{,}0025\) — quatorze fois moins que celle de la convention \(1/R\). → L'effet de page
La colonne reste demandée, pour deux raisons plus modestes : elle permet de reproduire ce contrôle sur une autre plateforme, où l'effet pourrait être plus fort ; et elle est la moins sensible des six — le format d'un contenu ne dit rien de son lecteur. Elle ne conditionne pas le calcul de l'indice, et une plateforme qui ne la fournirait pas ne l'empêcherait pas.
Tableau 4 — exposition par point de vue
| Colonne | Type | Description |
|---|---|---|
rang |
entier | rang servi |
point_de_vue |
libellé | catégorie du catalogue de référence déclaré par le régulateur |
impressions |
entier | nombre d'affichages |
clics |
entier | clics observés |
Le catalogue de points de vue est une décision du régulateur, non de la plateforme ni du chercheur : c'est la discrétisation politique que l'audit critique désigne comme la principale réserve d'usage de l'index. La demande porte sur son application, pas sur son choix.
IV. Nécessité et proportionnalité (art. 8(d) du règlement délégué)¶
Ce que ces tableaux permettent — et rien de plus.
| Mesure | Tableaux nécessaires |
|---|---|
| test d'échangeabilité — le journal est-il seulement corrigible ? | 1, 1 bis, 2 |
| sévérité \(\eta\) de l'exposition, mesurée | 3, colonne affichages |
| sévérité \(\eta\) du biais de position, estimée à défaut | 3 |
| forme de l'examen (cascade ou non) | 3, colonne affichages |
| effet du format sur l'exposition, à contenu fixé | 3, colonnes format et contenu |
| estimation contrefactuelle et taille d'échantillon effective | 3, avec propensions |
| diversité composée et diversité exposée, écart d'enterrement | 4 |
Ce qui est vérifié, non affirmé. Le notebook 18
recalcule ces mesures deux fois — directement sur un journal complet, puis sur les seuls
tableaux — et publie l'écart. Il est de \(3 \times 10^{-12}\) pour le test d'échangeabilité et
exactement nul pour la sévérité. Le code qui consomme les tableaux est
ide.aggregates,
et onze tests le verrouillent.
Ce que cela pèse. Sur Baidu-ULTR, 524 164 documents servis donnent 5 543 lignes demandées, soit un rapport de 95. Sur MIND, 5 843 444 contenus servis donnent 57 906 lignes, rapport 101.
Ce qui n'est pas demandé : aucun identifiant de lecteur, aucune séquence de navigation, aucun contenu, aucun texte, aucun paramètre de classement, aucun modèle. Un fil ne figure dans ces tableaux que par sa forme et par le nombre de clics qu'il a reçus.
Conséquence sur l'article 40(5). Une plateforme peut demander l'amendement d'une requête si la divulgation créerait des vulnérabilités de sécurité ou révélerait des secrets d'affaires. Des comptages par rang et par point de vue déclaré ne révèlent ni le classement, ni ses paramètres, ni les contenus : ils disent ce qui a été exposé, pas comment la plateforme a décidé de l'exposer.
V. Risques, confidentialité et protection des données (art. 8(e))¶
Données personnelles. Les tableaux demandés n'en contiennent pas : la plus petite unité est la cellule, et aucune ligne ne désigne un lecteur. Le traitement ne relève donc pas d'une communication de données à caractère personnel, ce qui retire à la demande son principal risque et à la plateforme son principal motif d'opposition.
Seuil de confidentialité. La demande propose un seuil de suppression de [SEUIL] impressions par cellule, et demande qu'il soit publié avec les données. Ce seuil n'est pas neutre, et son effet est mesuré plutôt que supposé : sur Baidu-ULTR, passer de 5 à 20 impressions déplace la sévérité estimée de 1,10 à 1,40, soit +27 %, parce que les cellules rares sont celles des rangs profonds, dont l'estimation tire l'essentiel de son information.
Modalités d'accès. Un environnement de traitement sécurisé au sens de l'article 9(5) du règlement délégué est accepté sans réserve. Compte tenu de la nature agrégée des données, une transmission simple paraît toutefois proportionnée.
Sécurité. [MESURES TECHNIQUES ET ORGANISATIONNELLES DE L'ORGANISME].
Financement (art. 8(b)) : [SOURCES DE FINANCEMENT]. Indépendance (art. 40(8)(b)) : [DÉCLARATION].
VI. Publication des résultats (art. 40(8) et art. 8(a))¶
L'engagement de publication est déjà tenu par avance : l'intégralité du code, des données dérivées, des figures et des résultats — y compris les résultats négatifs — est publiée dans un dépôt public, sous licence MIT pour le code et CC BY 4.0 pour les contenus. Les six résultats négatifs déjà publiés par ce dépôt en sont la démonstration la plus utile.
Les données reçues elles-mêmes ne seront pas republiées ; les agrégats dérivés le seront, ainsi que le code qui les produit, conformément à la pratique déjà appliquée aux trois jeux mesurés.
VII. Calendrier et voies de recours¶
| Étape | Délai | Source |
|---|---|---|
| Décision du coordinateur : requête motivée ou rejet | 80 jours ouvrables | art. 7(1) du règlement délégué |
| Demande d'amendement par la plateforme | 15 jours | art. 40(5) du DSA |
| Décision du coordinateur sur l'amendement | 15 jours | art. 40(6) du DSA |
| Notification de la mise à disposition | 3 jours ouvrables | art. 15(1) du règlement délégué |
| Demande de médiation | 5 jours ouvrables | art. 13(1) |
| Ouverture, puis durée de la médiation | 20, puis 40 jours ouvrables au plus | art. 13(4), 13(9) |
L'article 15(3) du règlement délégué interdit par ailleurs au fournisseur d'imposer des limitations à l'usage d'outils d'analyse standard, sauf si la requête motivée les mentionne explicitement.
VIII. Ce que nous ferons d'un refus¶
Le refus sera publié, motivé tel qu'il aura été reçu, et analysé au même titre qu'un résultat : une demande de cette forme ne peut être écartée pour disproportion sans que le motif porte sur autre chose que sa taille. C'est la raison d'être de la spécification — déplacer la charge de la preuve, et rendre le refus argumentable.
Les réserves de cette demande¶
Ces tableaux ne permettent pas tout. Ils ne disent rien de la trajectoire d'un lecteur, donc rien des bulles de filtres individuelles, ni de la dynamique temporelle d'un fil pour un même usager. C'est délibéré — ce sont les analyses qui exigeraient des données personnelles — mais il faut le dire : cette demande est étroite, et une partie du programme de recherche du dépôt n'y entre pas.
L'agrégat est une hypothèse. Les tableaux 1 et 2 sont indexés par le profil de rangs et par le nombre de clics du fil précisément parce que deux hypothèses plus simples se sont révélées fausses à l'usage, sur données réelles, sans produire d'erreur visible. Une plateforme qui livrerait ces tableaux sous une clé plus grossière livrerait des chiffres faux du bon ordre de grandeur — le pire cas.
Et l'éligibilité manque. Ce document est un modèle, non une démarche engagée. Sa valeur est d'être prêt : un organisme de recherche qui voudrait poser cette question n'a plus à concevoir la spécification, seulement à la déposer.
Implémentation : ide.aggregates · Notebook :
18 — Ce qu'il faut demander ·
exploration réelle de MIND · journaux qui enregistrent le rang ·
mémorandum