Selon une nouvelle étude, LinkedIn a mené des tests sur plus de 20 millions d'utilisateurs sur une période de cinq ans qui, bien que destinés à améliorer le fonctionnement de la plateforme pour les membres, ont pu avoir un impact sur la vie de certaines personnes.
|
| Les expériences algorithmiques de LinkedIn peuvent surprendre des millions de personnes, car la société n'a pas informé les utilisateurs qu'elles étaient en cours. |
De 2015 à 2019, LinkedIn a effectué des essais dans le monde entier qui ont modifié de manière aléatoire le mélange de relations faibles et fortes suggérées par son algorithme "People You May Know" - le mécanisme automatisé de l'entreprise pour recommander de nouvelles connexions à ses membres. Des chercheurs de LinkedIn, du Massachusetts Institute of Technology, de l'université de Stanford et de la Harvard Business School sont les auteurs d'une étude publiée ce mois-ci dans la revue Science.
Les essais algorithmiques de LinkedIn ont peut-être pris des millions de personnes au dépourvu, car l'entreprise n'a pas averti les utilisateurs que les essais avaient lieu.
LinkedIn, le plus grand réseau professionnel du monde, mène souvent des expériences à grande échelle dans lesquelles différentes versions de fonctionnalités d'applications, de conceptions web et d'algorithmes sont testées sur différents utilisateurs. Les tests A/B sont un processus de longue date qui vise à améliorer l'expérience des consommateurs et à maintenir leur engagement, ce qui permet aux entreprises de gagner de l'argent grâce aux frais d'adhésion ou à la publicité. Les utilisateurs n'ont souvent aucune idée que les entreprises les testent.
Cependant, les améliorations apportées par LinkedIn montrent comment de telles modifications d'algorithmes largement utilisés peuvent se transformer en expériences d'ingénierie sociale avec des répercussions pouvant changer la vie de nombreuses personnes. Selon les experts qui examinent les conséquences sociétales de l'informatique, mener des études étendues et à grande échelle sur des personnes qui pourraient affecter leurs perspectives de carrière d'une manière dont elles ne sont pas conscientes soulève des inquiétudes quant à l'ouverture de l'industrie et au contrôle de la recherche.
"Les résultats montrent que certains utilisateurs avaient un meilleur accès aux possibilités de travail ou qu'il y avait une différence majeure dans l'accès aux chances d'emploi", a déclaré Michael Zimmer, professeur associé d'informatique et directeur du Center for Data, Ethics, and Society de l'université Marquette. "Ce sont les types de répercussions à long terme qu'il faut prendre en compte lorsqu'on examine l'éthique de la participation à ce type d'étude de big data."
L'étude de Science a mis à l'épreuve une hypothèse sociologique influente connue sous le nom de "la force des relations faibles", selon laquelle les gens sont plus susceptibles d'obtenir un emploi et d'autres chances par le biais de connaissances sans lien de dépendance que par celui d'amis proches.
Les chercheurs ont étudié comment les modifications apportées à l'algorithme de LinkedIn affectaient la mobilité professionnelle des utilisateurs. Ils ont découvert que les relations sociales très faibles sur LinkedIn étaient deux fois plus efficaces que les liens sociaux plus importants pour trouver un emploi.
LinkedIn a déclaré dans un communiqué que l'étude avait été menée "conformément" à l'accord d'utilisation, à la politique de confidentialité et aux paramètres des membres de l'entreprise. La politique de confidentialité de LinkedIn indique qu'elle utilise les données personnelles des membres à des fins de recherche. Selon la déclaration, la société a utilisé des méthodologies de sciences sociales "non invasives" pour répondre à des questions de recherche essentielles "sans aucune expérimentation sur les membres."
LinkedIn, qui appartient à Microsoft, n'a pas répondu directement à une question concernant la manière dont elle a évalué les effets potentiels à long terme de ses tests sur l'emploi et le statut économique des utilisateurs. Toutefois, la société a déclaré que l'étude n'a pas bénéficié injustement à certains utilisateurs.
L'objectif de l'étude était d'"aider les individus à l'échelle", selon Karthik Rajkumar, chercheur en recherche appliquée chez LinkedIn et l'un des coauteurs de l'étude. "Personne n'a été désavantagé dans sa recherche d'emploi".
Les tests de LinkedIn, selon Sinan Aral, professeur de gestion et de science des données au MIT et auteur principal de l'étude, étaient un effort pour s'assurer que les membres avaient un accès équitable aux possibilités d'emploi.
"Plutôt que de consacrer certaines personnes à la mobilité sociale et d'autres non", explique Aral, "ils visent à mener une expérience sur 20 millions de personnes et à proposer ensuite un meilleur algorithme pour les perspectives d'emploi de chacun grâce aux connaissances acquises." (Aral a effectué des analyses de données pour le New York Times et a reçu une bourse de recherche de Microsoft en 2010).
Les expériences menées sur les personnes par les grandes entreprises de l'internet ont des antécédents douteux. Une étude de Facebook publiée il y a huit ans décrivait comment le réseau social avait subrepticement modifié le contenu affiché dans le fil d'actualité des utilisateurs afin d'examiner la propagation des émotions négatives et positives sur sa plateforme. Cette expérience d'une semaine, à laquelle ont participé 689 003 personnes, a suscité l'indignation.
Les auteurs de l'étude de Facebook, qui comprenaient un chercheur en entreprise et un professeur de l'université Cornell, ont affirmé que lorsque les utilisateurs s'inscrivaient sur Facebook, ils consentaient implicitement à l'expérience de manipulation des émotions. "Tous les utilisateurs acceptent avant de créer un compte Facebook", selon le rapport, "ce qui constitue un consentement éclairé pour cette recherche."
Certaines critiques n'étaient pas d'accord, accusant Facebook d'envahir la vie privée des gens tout en abusant de leurs humeurs et en leur causant une misère émotionnelle. D'autres ont déclaré que l'initiative exploitait un co-auteur universitaire pour donner une légitimité à des tactiques de recherche d'entreprise douteuses.
Cornell a déclaré par la suite que son comité d'éthique interne n'avait pas eu besoin d'examiner le projet parce que Facebook a mené l'étude de manière indépendante et que le professeur qui a aidé à développer la recherche ne s'est pas directement engagé dans des études sur des participants humains.
En termes d'objectif, de portée et d'échelle, les expériences de réseautage professionnel de LinkedIn étaient différentes. LinkedIn les a créées dans le cadre de ses efforts continus pour accroître la pertinence de son algorithme "People You May Know", qui favorise l'établissement de nouvelles connexions entre les membres.
Le programme examine des informations telles que l'historique de carrière des membres, leurs titres de poste et leurs connexions avec d'autres utilisateurs. Il tente ensuite de prédire si un utilisateur de LinkedIn enverra une invitation d'ami à une nouvelle connexion proposée, ainsi que si cette nouvelle connexion acceptera l'invitation.
LinkedIn a modifié son algorithme afin de modifier de façon aléatoire la prévalence des relations fortes et faibles que le système conseille pour les études. Selon le document, la première vague de tests, qui s'est déroulée en 2015, "comprenait près de 4 millions de sujets expérimentaux." Plus de 16 millions de personnes ont participé à la deuxième série de tests, qui a eu lieu en 2019.
Les personnes qui ont utilisé la fonction "People You May Know" et regardé les recommandations ont été affectées à des parcours algorithmiques distincts pendant les tests. Certaines de ces "variantes de traitement", comme l'étude les a surnommées, ont conduit les utilisateurs de LinkedIn à former davantage de relations avec des personnes avec lesquelles ils n'avaient que des liens sociaux ténus. D'autres modifications ont conduit les personnes à former moins de relations avec des liens faibles.
On ignore si la plupart des membres de LinkedIn sont conscients qu'ils peuvent être soumis à des tests susceptibles d'affecter leurs possibilités de carrière.
Selon les politiques de confidentialité de LinkedIn, la société peut "utiliser les données personnelles dont elle dispose" pour étudier "les tendances du lieu de travail, telles que la disponibilité des emplois et les compétences requises pour ces emplois." Sa politique à l'égard des chercheurs indépendants souhaitant évaluer les données de l'entreprise stipule sans équivoque que ces chercheurs ne seront pas autorisés à "expérimenter ou entreprendre des tests sur nos membres."
Cependant, aucune des deux politiques n'informe spécifiquement les consommateurs que LinkedIn peut expérimenter ou effectuer des tests sur ses utilisateurs.
"Nous sommes francs avec nos membres par le biais de notre partie recherche de notre contrat d'utilisation", a déclaré LinkedIn dans un communiqué.
"Notre impression, et celle des examinateurs, est que les tests effectués par LinkedIn ont fonctionné selon les directives de leurs accords d'utilisation", a écrit Science dans une déclaration éditoriale.
Après la première vague de tests algorithmiques, LinkedIn et les chercheurs du MIT ont eu l'idée d'examiner les résultats de ces essais pour évaluer la théorie de la force des relations faibles. Bien que cette idée, vieille de plusieurs dizaines d'années, soit devenue une pierre angulaire des sciences sociales, elle n'avait pas été prouvée de manière approfondie dans le cadre d'un essai prospectif à grande échelle dans lequel les participants étaient répartis de manière aléatoire dans des relations sociales de force variable.
Les chercheurs extérieurs ont examiné les données agrégées de LinkedIn. Selon l'étude, les personnes ayant reçu davantage de recommandations pour des relations modérément faibles ont recherché et accepté davantage d'emplois, ce qui corrobore l'idée de liens faibles.
Selon l'étude, les contacts relativement faibles - ceux avec lesquels les membres de LinkedIn partageaient seulement 10 connexions mutuelles - étaient beaucoup plus productifs pour la recherche d'emploi que les contacts plus forts avec lesquels les utilisateurs partageaient plus de 20 connexions mutuelles.
Les personnes qui avaient reçu plus de recommandations pour des contacts aux liens relativement faibles étaient deux fois plus susceptibles de trouver des postes dans les entreprises où ces amis travaillaient un an après s'être connectés sur LinkedIn que les autres utilisateurs qui avaient reçu plus de recommandations pour des connexions aux liens forts.
"Nous constatons que même les relations assez faibles sont beaucoup plus efficaces que les liens forts pour aider les gens à trouver de nouveaux emplois", a déclaré Rajkumar, le chercheur de LinkedIn.
Selon l'étude, les 20 millions d'utilisateurs qui ont participé aux expériences de LinkedIn ont établi plus de 2 milliards de nouvelles connexions sociales et soumis plus de 70 millions de demandes d'emploi, ce qui a débouché sur 600 000 nouveaux postes. Selon l'étude, les liens faibles étaient plus avantageux pour les chercheurs d'emploi dans les domaines numériques tels que l'intelligence artificielle, tandis que les liens forts étaient plus utiles pour l'emploi dans les entreprises qui dépendent moins des logiciels.
LinkedIn a déclaré que les résultats concernant les liens faibles avaient été appliqués à de nombreux produits, notamment un nouvel outil qui alerte les membres lorsqu'une connexion au premier ou au deuxième degré embauche. Toutefois, aucun ajustement de la fonction "People You May Know" n'a été effectué en réponse à l'étude.
Selon M. Aral, du MIT, l'étude a surtout démontré l'utilité des algorithmes sophistiqués des réseaux sociaux, non seulement en exacerbant des problèmes comme la désinformation, mais aussi en tant que prédicteurs fondamentaux de situations économiques comme l'emploi et le chômage.
Selon Catherine Flick, chercheuse principale dans le domaine de l'informatique et de la responsabilité sociale à l'université De Montfort de Leicester, en Angleterre, l'étude était davantage un exercice de marketing d'entreprise.
"Il y a un biais inhérent à l'étude", a ajouté Mme Flick. "Elle démontre que si vous voulez obtenir plus d'emplois, vous devriez passer plus de temps sur LinkedIn".