Votre playlist ne contient que des titres d'artistes masculins ? La faute aux algorithmes de recommandation

  • Une étude européenne révèle que les algorithmes de recommandation musicale privilégient les morceaux d'artistes masculins.
    Une étude européenne révèle que les algorithmes de recommandation musicale privilégient les morceaux d'artistes masculins. Brothers91 / Getty Images
Publié le
Relaxnews

(ETX Studio) - Pas facile pour les femmes de se faire une place dans l'industrie musicale. Une nouvelle étude européenne révèle que les algorithmes de recommandation des plateformes de streaming privilégient les morceaux composés par des artistes masculins. Ceux interprétés par les femmes apparaissent bien plus bas dans les playlists musicales. 

Les plateformes de streaming se vantent souvent d'avoir créé des algorithmes sophistiqués, qui collent aux goûts musicaux de chaque utilisateur. Et ce, qu'il aime la variété, le rock ou encore la drill et l'"ethereal". Ces systèmes de recommandation sont toutefois loin d'être parfaits, comme le souligne une récente étude pilotée par Christine Bauer de l'université d'Utrecht aux Pays-Bas ainsi que Xavier Serra et Andres Ferraro de l'université Pompeu Fabra en Espagne. Ces chercheurs ont découvert que les algorithmes de recommandation délaissent les morceaux interprétés par des artistes féminines, et contribuent à générer des playlists dominées par leurs homologues masculins. 

Avant d'arriver à ces conclusions, ces chercheurs ont passé au peigne fin pendant une dizaine d'années les habitudes d'écoute de 330.000 utilisateurs. Il s'avère que seul un quart des artistes qu'ils avaient l'habitude d'écouter étaient des femmes. Mais à quoi est dû ce désamour pour les musiciennes ? La réponse : les algorithmes. En effet, les chercheurs ont découvert que le premier morceau recommandé était, en moyenne, interprété par un homme. Les auditeurs devaient attendre la septième ou la huitième chanson avant de tomber sur une interprétée par une artiste féminine. 

"Les résultats suggèrent qu'il existe une différence considérable en ce qui concerne la première position moyenne des artistes féminins et masculins dans le classement des algorithmes de recommandation. En bref, l'exposition du contenu des artistes féminins et masculins n'est pas équilibrée", écrivent les chercheurs dans l'étude.

Un cercle vicieux

Ce déséquilibre contribue à créer un cercle vicieux algorithmique dont les artistes féminines ont du mal à s'extirper. Pour anticiper les goûts des auditeurs, les systèmes de recommandation s'appuient, en partie, sur les morceaux qu'ils ont écoutés auparavant. Ainsi, s'ils se sont récemment plongés dans le dernier album de Justin Bieber, il y a fort à parier que l'algorithme leur proposera de découvrir des artistes dont l'univers musical est proche de celui du chanteur canadien. Jusqu'ici, pas de problème.

Mais si ces auditeurs suivent les recommandations de leur service de streaming et écoutent majoritairement des titres d'artistes masculins, l'algorithme continuera à leur proposer ce qu'il pense être le reflet de leurs goûts musicaux. Sans que les utilisateurs se rendent compte de quoi que ce soit.

Si la situation peut sembler désespérée, les chercheurs affirment que Spotify, Deezer et consorts pourraient y remédier assez facilement. Ils ont effectué une simulation d'un algorithme de recommandation musicale et l'ont modifié à plusieurs reprises pour que les artistes féminines apparaissent plus rapidement dans la liste d'écoute que leurs homologues masculins. Un changement que le système a rapidement pris en compte pour proposer plus souvent les titres de chanteuses-compositrices.

"Bien sûr, il est toujours plus facile de régler quelque chose en théorie plutôt qu'en pratique", a expliqué Christine Bauer au Financial Times, "mais si cet effet était similaire dans le monde réel, ce serait formidable".

Voir les commentaires
Réagir
Vous avez droit à 3 commentaires par jour. Pour contribuer en illimité, abonnez vous. S'abonner

Souhaitez-vous recevoir une notification lors de la réponse d’un(e) internaute à votre commentaire ?