Feuille de route : les limites et comment les combler¶

L'audit critique énumère ce que ce travail ne peut pas faire. Cette page propose, pour chaque limite, une piste concrète — avec l'idée qu'une limite sans piste est un aveu, et qu'une limite avec piste est un programme.

Les entrées sont classées par rapport valeur / effort, pas par ordre logique.

Priorité 1 — La calibration empirique¶

La limite. Les paramètres \(J\) (conformisme), \(T\) (température sociale), \(\gamma\) (gain algorithmique), \(\alpha\) (charge émotionnelle) n'ont aucune procédure d'estimation sur données réelles. C'est la faiblesse principale : sans elle, le formalisme est cohérent mais flottant, et aucun seuil réglementaire n'est calibrable.

Pistes, du plus accessible au plus ambitieux.

1.1 Estimer \(\lambda\) et \(\gamma\alpha\) sur des courbes de visibilité publiques¶

Fait — voir Calibration

Le rapport \(\gamma\alpha/\lambda\) vaut 1,5 à 12 sur 19 épisodes d'attention publics (consultations Wikipédia, agent user, corpus pré-enregistré de 24 sujets), de médiane 2,5 à 4,2 selon l'estimateur.

Trois enseignements, dont deux négatifs :

l'ordre de grandeur existe — l'amplification est deux à quatre fois plus rapide que l'oubli ;
le critère de signe est vide : il est satisfait par construction pour tout épisode observable, ce qui a imposé de réécrire la recommandation 2 du mémorandum en plafond sur le rapport ;
la prédiction sur la charge émotionnelle n'est pas vérifiée (\(p \geq 0{,}13\)), et l'estimation ponctuelle va dans le sens contraire.

Livré : ide.calibration, ide.pageviews, ide.corpus, scripts/fetch_pageviews.py, cache versionné de 24 séries, 40 tests, et le notebook 09.

Les suites directes de cette mesure, par ordre d'importance :

Détecter des changements de régime, pas des pics. → fait, avec un résultat en deux temps. La détection fonctionne et couvre l'angle mort : 14 changements aux bonnes dates, QAnon et la désinformation sanitaire compris. Mais l'identification des paramètres échoue sur données réelles — la dispersion résiduelle y est quatre fois trop élevée — et une limite théorique la borne de toute façon : le rapport n'est pas identifiable sous une saturation logistique. L'écart de persistance entre registres émotionnels, ×9,2 contre ×2,9, y apparaissait comme le premier écart mesuré du projet — mais il ne s'est pas répliqué à l'échelle (voir l'entrée suivante).
Passer à une résolution infra-quotidienne. Le motif de rejet dominant est la fenêtre trop courte : beaucoup d'épisodes montent en un ou deux jours. Wikimedia publie des séries horaires sur une profondeur limitée ; cela suffirait à rendre identifiable ce qui ne l'est pas ici.
Ajuster une décroissance non exponentielle. La queue de l'attention est plus lourde qu'une exponentielle, ce qui produit un artefact de fenêtre sévère (corrélation de rang \(-0{,}94\) entre durée de fenêtre et \(\lambda\)), aujourd'hui contourné par un horizon fixe. Une loi de puissance ou une somme de deux exponentielles le supprimerait.
Étendre le corpus. → fait : 440 sujets dérivés de dix-sept catégories de Wikipédia, pour remplacer le choix des sujets par celui des catégories. La réponse est venue, et elle est négative — l'écart de persistance du corpus pilote ne se réplique pas (×3,04 contre ×2,90, \(p = 0{,}53\)), et l'écart de taux de basculement s'explique par un déséquilibre d'audience d'un facteur 3,5. L'extension a aussi révélé un défaut de son propre protocole : l'appartenance à une catégorie est un indicateur bruité du registre.
Annoter le registre à la main, en aveugle. → fait sur les 440 sujets, sous une grille pré-enregistrée. Le bruit d'étiquetage est mesuré à 40 % de sujets hors registre, et il portait la totalité de l'écart de taux de basculement : le rapport de cotes tombe de 3,37 à 0,93 (\(p = 1{,}00\)). La dernière hypothèse de sauvetage est éliminée — l'écart n'était pas dilué, il n'existe pas. L'annotation a aussi révélé un défaut de plan d'expérience : correctement étiquetés, les deux registres ne portent presque pas sur les mêmes types de sujets.

1.2 Inférer les coefficients de Fokker-Planck directement¶

Méthode. Estimation des coefficients de Kramers-Moyal : à partir d'une série temporelle de la variable macroscopique \(x(t)\), les moments conditionnels des incréments donnent \(A(x)\) et \(B(x)\) sans supposer leur forme. On peut alors comparer la dérive mesurée à \(Jx + H - T\,\mathrm{artanh}(x)\) — et donc tester le modèle plutôt que l'ajuster.
Sources. Séries longues de sondages d'opinion (Eurobaromètre, baromètres de confiance), qui fournissent des \(x(t)\) agrégés sur des décennies.
Difficulté. La fréquence d'échantillonnage des sondages est basse ; la méthode demande une résolution temporelle que seules les données de plateformes offriraient.

1.3 Utiliser l'accès aux données de l'article 40 du DSA¶

Le DSA ouvre aux chercheurs agréés un accès aux données des très grandes plateformes. C'est la voie qui permettrait une vraie calibration de \(T\) et du seuil d'IDE — et le PEReN, cité dans le mémorandum, est précisément l'interlocuteur pour cela.

Prérequis. Un protocole d'accès formalisé, un rattachement institutionnel, et un plan de traitement respectant les contraintes de vie privée (voir §2.3).
À faire d'abord. Les points 1.1 et 1.2 sur données publiques : ils constituent le dossier qui rend une demande d'accès crédible.

Priorité 2 — La robustesse de l'index¶

2.1 Sortir de la discrétisation arbitraire en points de vue¶

La limite. Qui définit les \(k\) modalités définit l'index. Le découpage n'est pas un acte technique neutre.

Pistes.

IDE multi-échelle. Plutôt qu'un \(k\) unique, mesurer l'index pour plusieurs granularités et publier la courbe \(\mathrm{IDE}(k)\). Une bulle réelle s'effondre à toutes les échelles ; un artefact de découpage ne le fait pas. Cela transforme le choix de \(k\) en résultat au lieu d'un paramètre caché.
Entropie sur espace continu. Remplacer la distribution de modalités par une distribution dans un espace d'embeddings sémantiques, et estimer l'entropie différentielle par des méthodes à \(k\) plus proches voisins (Kozachenko-Leonenko). Plus d'étiquettes, donc plus d'arbitraire de découpage — au prix d'une dépendance au modèle d'embedding, qui est un arbitraire déplacé plutôt que supprimé.
Entropie calculée sur les contenus, non sur les étiquettes. ~~L'entropie quadratique de Rao~~ — écartée en §2.2, son optimum sous contrainte étant bimodal. Ce qui subsiste de l'idée est plus simple : projeter les contenus servis sur les points de vue du catalogue et y calculer l'entropie habituelle. C'est aussi la meilleure défense contre la manipulation.

2.2 Rendre l'index résistant au gaming¶

Fait — et l'objection est fondée : voir Test adverse

Le test de saturabilité a été mené par simulation. Une plateforme capable de dissocier l'étiquette du contenu obtient un IDE de 1,000 pour une diversité de contenu nulle, à coût d'engagement nul ; et à mi-découplage, la contrainte n'a plus que 36 % de sa force. Un plancher d'IDE sur les étiquettes n'est pas une norme tenable.

Le remplacement d'abord proposé — l'entropie quadratique de Rao — s'est révélé défectueux à son tour : c'est la distance intra-liste, dont l'optimum sous contrainte est bimodal. Un plancher de Rao prescrirait la polarisation. Le plancher retenu porte finalement sur l'entropie de position — l'IDE calculé sur les contenus servis — publié avec un diagnostic de plus grand vide. La recommandation 1 du mémorandum a donc été révisée deux fois.

La limite. Une plateforme contrainte de maintenir un IDE élevé peut servir des contenus formellement divergents mais substantiellement vides.

Pistes.

Test adverse explicite. Modéliser une plateforme qui maximise l'engagement sous contrainte d'IDE minimal, et mesurer l'IDE atteignable avec de la diversité d'étiquette pure. Si la contrainte est saturable sans coût, l'index est inutilisable en l'état — et il vaut mieux le savoir avant d'en faire une norme. C'est un problème d'optimisation sous contrainte, donc entièrement simulable : aucune donnée réelle n'est nécessaire pour trancher ce point.
Passage à une mesure portant sur les contenus servis, et non sur les étiquettes qui les annoncent. Le remplissage par étiquettes n'y produit aucun gain. Attention au choix de la mesure : l'entropie quadratique de Rao satisfait ce critère et échoue sur un autre, son optimum sous contrainte étant bimodal.
Contrôle qualitatif d'échantillon en complément de la mesure automatique, à inscrire dans la norme technique.

2.3 Concevoir un protocole d'audit préservant la vie privée¶

La limite. Mesurer l'IDE de fils individuels suppose d'observer ce qui est servi à des personnes.

Pistes.

Réponse randomisée sur les étiquettes de points de vue : chaque client déclare sa modalité avec une probabilité de brouillage connue. L'entropie de la distribution agrégée se dé-biaise analytiquement, et la garantie de confidentialité locale est quantifiée par un \(\varepsilon\).
Estimation de la queue plutôt que de la moyenne. La grandeur réglementaire proposée est la part de population sous le seuil. Un quantile s'estime avec moins d'information qu'une distribution complète — la contrainte de vie privée est donc moins forte qu'il n'y paraît.
Livrable. Une note séparée sur le protocole, avec budget \(\varepsilon\) explicite.

Priorité 3 — Valider le modèle contre la réalité¶

3.1 Évaluer l'ADE hors ligne sur un jeu de données réel¶

La limite. L'ADE est validé sur son propre modèle, avec une pertinence synthétique et quatre points de vue. Son coût en pertinence perçue n'est pas évalué.

Piste — probablement le meilleur rapport valeur/effort du dépôt. Les jeux de données publics de recommandation d'actualités (type MIND, Microsoft News Dataset) fournissent à la fois des historiques de consultation réels et des catégories éditoriales, donc des étiquettes de points de vue déjà disponibles. On peut :

calculer l'IDE réel des fils observés — première mesure de l'index sur données authentiques ;
réordonner ces fils avec l'ADE ;
mesurer le compromis entre gain d'IDE et perte de pertinence (nDCG), et tracer la frontière de Pareto.

C'est ce qui permettrait de répondre à la seule objection sérieuse d'une plateforme : combien ça coûte. Et cela ne demande aucun accès privilégié aux données.

Trois conditions, sans lesquelles cette mesure ne mesure rien

→ Rang et contrefactuel a établi que le protocole ci-dessus, pris au pied de la lettre, est faux.

la diversité doit se mesurer par une divergence consciente du rang à une référence déclarée. Sans quoi une plateforme s'y conforme en enterrant les contenus divergents : à composition identique, cela rapporte 10 % d'engagement et aucune mesure ponctuelle ne le voit ;
le coût en pertinence doit s'estimer par IPS ou SNIPS, jamais par replay sur les clics enregistrés. Le replay se trompe de 201 % en médiane, jusqu'à 851 %, et son sens n'est pas garanti — il n'offre donc même pas une borne ;
le modèle de propension, la taille d'échantillon effective et le plafond doivent être publiés avec le chiffre ;
la sévérité du biais de position doit être estimée, non posée — poser \(\eta\) au jugé coûte jusqu'à 179 % d'erreur — et l'exploration du jeu de données doit être vérifiée d'abord, car c'est elle qui décide si l'estimation est seulement possible. → Rang adverse et sévérité

Sans ces trois conditions, la frontière de Pareto annoncée mesurerait surtout le biais de position de la plateforme qui a produit les données.

Et la quatrième condition n'est pas remplie par MIND — c'est mesuré

→ L'exploration réelle de MIND. L'ordre enregistré dans behaviors.tsv est mélangé : le test d'échangeabilité intra-fil n'y détecte rien (\(z = +0{,}12\) sur 156 965 fils, répliqué à \(z = +0{,}28\) sur le second découpage) là où il verrait \(\eta = 0{,}02\) à douze écarts-types.

Trois conséquences pour cette piste :

l'estimation contrefactuelle du coût d'engagement — le point 3 du protocole, et l'objet même de l'exercice — est impossible sur MIND. Non par manque de données, mais par absence de la variable qui identifierait l'exposition ;
les points 1 et 2 restent faisables : l'IDE des fils observés et le réordonnancement se mesurent sans modèle d'exposition, à condition de dire que le coût publié est un coût en pertinence déclarée ;
le choix du jeu de données devient le premier travail, pas le dernier. Le critère n'est plus la taille ni la présence d'étiquettes éditoriales, mais l'enregistrement du rang servi.

Le contrôle est désormais outillé : ide.mind.exchangeability_test et son étalonnage de puissance, à passer sur tout journal public avant d'en tirer un chiffre.

Deux journaux publics enregistrent le rang — le critère est réglé, la piste ne l'est pas

→ Journaux qui enregistrent le rang. Baidu-ULTR enregistre le rang d'affichage : le test y rejette à \(z = -206\), du bon côté, et la sévérité vaut \(\hat\eta = 1{,}10 \pm 0{,}09\). L'Open Bandit Dataset publie en outre la propension vraie et contient un seau à politique aléatoire : l'estimateur IPS de ce dépôt y retrouve à 2,5 % la valeur d'une politique jamais déployée, contre +32 % pour l'estimation naïve.

Trois acquis et un blocage :

le critère de choix d'un jeu de données est établi, et vérifiable avant toute mesure ;
la sévérité se mesure — mais elle dépend de la surface : dix fois plus faible sur un bandeau de trois vignettes que sur une page de résultats. Elle ne se transporte pas ;
les estimateurs contrefactuels tiennent devant une vérité terrain, avec une taille d'échantillon effective de 1 513 pour 4 millions d'impressions — le chiffre à publier ;
un jeu public porte les deux colonnes — et sa colonne d'ordre ne contient pas l'ordre. MIND a les catégories sans le rang, Baidu-ULTR le rang sans étiquette, l'Open Bandit Dataset le rang avec des attributs anonymisés, et EB-NeRD les deux à la fois, mais son ordre enregistré échoue au test d'échangeabilité (l'indice mesuré). Ce qu'il faut réclamer n'est donc pas le rang, mais le rang vérifiable.

Ce qui reste faisable, et qui remplace le protocole initial :

mesurer sur MIND ce qui ne dépend pas de l'exposition, en le disant ;
mesurer sur Baidu-ULTR et l'Open Bandit Dataset ce qui ne dépend pas des points de vue ;
pour le reste, demander la donnée au titre de l'article 40 du DSA — la seule voie qui reste, et une voie prévue.

Et la demande est écrite, spécifiée et vérifiée

→ Demande au titre de l'article 40. Elle ne réclame ni journal ni donnée personnelle, mais quatre tableaux agrégés dont le notebook 18 vérifie qu'ils recalculent à l'identique le test d'échangeabilité, la sévérité \(\eta\) et les deux mesures de diversité — écart de \(3 \times 10^{-12}\) pour l'un, exactement nul pour l'autre.

Ce qui est demandé pèse 95 fois moins de lignes que le journal brut sur Baidu-ULTR, 101 fois moins sur MIND. Une demande de cette forme ne peut être écartée pour disproportion sans que le motif porte sur autre chose que sa taille.

Reste l'obstacle qui n'est pas technique : l'article 40(8)(a) exige une affiliation à un organisme de recherche, que ce dépôt n'a pas. Le document est donc un modèle prêt à déposer, et c'est la forme la plus utile qu'il pouvait prendre.

3.2 Formuler une prédiction falsifiable¶

La limite. Rien ne démontre que les opinions obéissent à cette mécanique ; le travail montre qu'elle reproduit des comportements observés.

Piste. La loi de Kramers donne une prédiction quantitative que l'analogie de l'effet tunnel ne donnait pas : le taux de basculement d'un extrême à l'autre varie comme \(e^{-\Delta V / k_B T}\). C'est testable sur des données de panel longitudinales (mêmes individus suivis dans le temps) : la fréquence des basculements extrême-à-extrême doit dépendre exponentiellement de l'inverse de la diversité d'exposition.

Une prédiction fausse serait un résultat ; c'est ce qui manque le plus à l'édifice pour cesser d'être une analogie.

3.3 Étude systématique de sensibilité¶

Les notebooks explorent des régimes choisis pour être lisibles. À compléter par :

des balayages de paramètres systématiques avec intervalles de confiance ;
une analyse d'échelle en taille finie pour \(T_c\) — cumulant de Binder plutôt que pic de susceptibilité, ce qui donnerait une extrapolation propre à la limite thermodynamique au lieu de la tolérance de ±0,25 actuellement nécessaire ;
un budget de calcul en intégration continue, avec les simulations longues déportées dans un job nocturne.

Priorité 4 — Étendre le modèle¶

4.1 Réseaux co-évolutifs¶

La limite. La topologie est fixée, sauf par le seuil de bulle. Or les individus coupent des liens et se réorganisent.

Piste. Ajouter une règle de rewiring homophile au modèle à agents : un individu en désaccord persistant coupe le lien et se reconnecte à un semblable. L'enjeu est précis et vaut d'être testé : la fragmentation que le raisonnement d'origine attribuait à tort à la connectivité s'explique-t-elle entièrement par l'homophilie ? L'audit, point 12 l'affirme sans le démontrer.

4.2 La plateforme comme acteur stratégique¶

La limite. Un bain thermique ne poursuit pas d'objectif ; un algorithme optimise une fonction de coût. C'est le point où l'analogie physique est la plus fragile.

Piste. Formuler le problème comme un jeu de Stackelberg : le régulateur fixe une contrainte d'IDE, la plateforme maximise l'engagement sous cette contrainte, les utilisateurs réagissent. Le formalisme des jeux à champ moyen est le prolongement naturel de l'équation de Fokker-Planck déjà écrite — la transition est technique, pas conceptuelle. C'est la voie qui rendrait le mémorandum réellement prescriptif : on saurait quel seuil produit quel comportement d'une plateforme rationnelle.

4.3 Opinions multidimensionnelles et continues¶

Le modèle à agents utilise déjà deux axes continus. À prolonger vers les modèles de confiance bornée (Deffuant, Hegselmann-Krause), dont le paramètre de tolérance est l'exact analogue du seuil de bulle — ce qui permettrait de raccrocher le travail à une littérature établie plutôt qu'à un modèle ad hoc.

Priorité 5 — Dette du dépôt¶

Ces points n'ont pas d'enjeu scientifique, mais ils conditionnent la relecture.

Élément	État	À faire
Pages théoriques en anglais	FR uniquement, repli automatique	traduire `theorie/*.md` ; la note LaTeX anglaise couvre déjà la science
Note LaTeX	compilée, FR + EN	soumission arXiv (catégorie `physics.soc-ph`)
Calibration des figures	régimes choisis à la main	ajouter les intervalles de confiance issus de §3.3
Modèle à agents	seuil de bulle statique	rendre le seuil dynamique, piloté par un ADE simulé, pour boucler la théorie sur elle-même
Tests longs	marqués `slow`, exécutés localement	job d'intégration continue nocturne

Si une seule chose devait être faite¶

Faire déposer la demande d'accès aux données par un organisme de recherche.

C'est le seul verrou que ce dépôt ne peut pas lever seul, et c'est celui qui commande tous les autres. La demande est écrite, spécifiée article par article du règlement délégué (UE) 2025/2050, et vérifiée : les tableaux agrégés qu'elle réclame recalculent à l'identique le test d'échangeabilité, la sévérité du biais de position, le test de forme et les deux mesures de diversité, pour 95 fois moins de lignes que le journal brut et sans aucune donnée personnelle. Il ne lui manque qu'un déposant éligible au sens de l'article 40(8)(a).

Elle a gagné deux colonnes depuis sa rédaction, et chacune pour la même raison : une mesure a montré ce qu'on perdait sans elle. affichages retire le besoin d'estimer \(\eta\), l'hypothèse de forme qui l'accompagne et le confondant d'attrait — sur données réelles, l'estimation par les clics surestime la décroissance de 23 % (exposition mesurée). format a d'abord été demandée pour une raison qui n'a pas tenu — un contenu enrichi au-dessus semblait retirer 8,4 points d'examen à ce qui suit — puis conservée pour une raison plus modeste : à contenu tenu fixe, il n'en reste que 6 %, et la colonne sert désormais à vérifier ce résultat ailleurs plutôt qu'à calculer l'indice (l'effet de page). Ce sont aussi les deux colonnes les moins sensibles des six demandées.

Sans elle, trois choses restent hors de portée, et le resteront quels que soient les progrès de méthode :

mesurer l'IDE sur un fil réel — la forme retenue n'a jamais été calculée ailleurs qu'en simulation ;
évaluer le coût d'engagement de l'ADE autrement que sur son propre modèle ;
vérifier que l'enterrement se produit vraiment sur une plateforme, plutôt que sur des fils de huit positions énumérés exhaustivement.

Ce qui vient juste après¶

Des annotateurs humains. Les trois codeurs du corpus sont des instances du même modèle de langue : leur accord — \(\kappa\) de Fleiss de 0,921, unanimité sur 92 % des sujets — surestime nécessairement ce que produiraient des juges indépendants. C'est la dernière réserve de méthode qui ne se lève pas par le calcul. Elle ne changerait toutefois pas la conclusion : l'annotation en aveugle a éliminé l'écart de registre, et quatre mesures indépendantes n'en retrouvent aucune trace.

~~Des lignes de base réglées — MMR, réordonnancement aléatoire, popularité.~~ → fait, et le verdict est mitigé : le filtre du dépôt tient la frontière exacte, mais MMR — publié en 1998 — la tient aussi, et le devance au plancher 0,80. Le filtre ne se détache qu'à l'exigence haute, où il atteint la contrainte quatre fois plus souvent. La mesure a aussi isolé une dépendance que personne n'avait vue : le prix de la norme dépend du lecteur, de 3,8 % à 17,1 % selon que ses intérêts traversent les points de vue ou s'y confondent.